AI BENCHY 对比
OpenAI: GPT-4o-mini vs Qwen: Qwen3.5-122B-A10B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | GPT-4o-mini GPT-4o-mini none | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none |
|---|---|---|
| 分数 | 4.9 | 5.5 |
| 排名 | #134 | #117 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.9 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 26.3% | 36.8% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.099 | 0.361 |
| 总成本 | $0.005 | $0.022 |
| ???? | $0.150 / 1M | $0.260 / 1M |
| ???? | $0.600 / 1M | $2.080 / 1M |
| 输出令牌 | 1,962 | 3,350 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.90s | 3.52s |
| 响应时间（最大） | 7.58s | 46.00s |
| 响应时间（总计） | 22.79s | 66.80s |
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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 0 | |
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 0 | |
| Qwen3.5-122B-A10B | 4.3 | 1.1 | 66.7% | 1 | 3.44s | 659 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 0 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 0 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 243 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 0 | |
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 15 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 0 | |
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 66 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.27s | 69 | 0 | |
| Qwen3.5-122B-A10B | 6.3 | 10.0 | 50.0% | 0 | 585ms | 70 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| Qwen3.5-122B-A10B | 3.7 | 7.7 | 11.1% | 1 | 982ms | 575 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 0 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 15 | 0 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 295ms | 9 | 0 |
快速对比
切换对比组合
Elephant AlphamediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMiniMax M2.5medium免费可用vsQwen3.5-122B-A10BnoneGPT-4o-mininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGPT-4o-mininonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneCobuddymedium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneGPT-4o-mininonevsGLM 4.7 FlashmediumOwl AlphamediumvsQwen3.5-122B-A10BnoneGPT-4o-mininonevsElephant AlphamediumMistral Small 4mediumvsGPT-4o-mininone