AI BENCHY 对比
inclusionAI: Ling-2.6-flash vs OpenAI: GPT-5.4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Ling-2.6-flash Ling-2.6-flash none | GPT-5.4 GPT-5.4 none |
|---|---|---|
| 分数 | 5.3 | 5.6 |
| 排名 | #128 | #112 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 35.1% | 38.3% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.005 | 1.638 |
| 总成本 | $0.001 | $0.115 |
| ???? | $0.010 / 1M | $2.500 / 1M |
| ???? | $0.030 / 1M | $15.000 / 1M |
| 输出令牌 | 2,878 | 2,378 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 9.76s | 1.46s |
| 响应时间（最大） | 35.34s | 2.95s |
| 响应时间（总计） | 185.37s | 29.23s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 6.8 | 8.1 | 58.3% | 1 | 11.81s | 573 | 0 | |
| GPT-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 406 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 10.0 | 10.0 | 100.0% | 0 | 11.21s | 381 | 0 | |
| GPT-5.4 | 6.8 | 10.0 | 50.0% | 0 | 1.99s | 501 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 35.34s | 1,069 | 0 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 6.5 | 10.0 | 50.0% | 0 | 8.48s | 246 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 4.95s | 24 | 0 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 4.0 | 10.0 | 0.0% | 0 | 1.45s | 109 | 0 | |
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 9.8 | 10.0 | 100.0% | 0 | 5.52s | 81 | 0 | |
| GPT-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 2.9 | 7.2 | 11.1% | 1 | 9.14s | 151 | 0 | |
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 18.80s | 229 | 0 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Ling-2.6-flash | 3.0 | 10.0 | 0.0% | 0 | 1.06s | 15 | 0 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 40 | 0 |
快速对比
切换对比组合
Ling-2.6-flashnonevsElephant AlphamediumLing-2.6-flashnonevsMistral Small 4mediumLing-2.6-flashnonevsMiniMax M2.5medium免费可用MiniMax M2.5medium免费可用vsGPT-5.4noneCobuddymedium免费可用vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4nonevsElephant AlphamediumLing-2.6-flashnonevsMiniMax M2.7mediumGPT-5.4nonevsOwl AlphamediumLing-2.6-flashnonevsgpt-oss-120bmedium免费可用Nemotron 3 Supermedium免费可用vsGPT-5.4noneCobuddymedium免费可用vsLing-2.6-flashnone