AI BENCHY 对比
OpenAI: GPT-4o-mini vs Qwen: Qwen3.6 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-21
| 指标 | GPT-4o-mini GPT-4o-mini none | Qwen3.6 Flash Qwen3.6 Flash none |
|---|---|---|
| 分数 | 4.9 | 5.6 |
| 排名 | #136 | #114 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.9 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 26.3% | 36.8% |
| 不稳定测试 | 0 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.099 | 0.251 |
| 总成本 | $0.005 | $0.018 |
| ???? | $0.150 / 1M | $0.188 / 1M |
| ???? | $0.600 / 1M | $1.125 / 1M |
| 输出令牌 | 1,962 | 4,170 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.90s | 1.60s |
| 响应时间（最大） | 7.58s | 4.60s |
| 响应时间（总计） | 22.79s | 30.43s |
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 | |
| Qwen3.6 Flash | 3.1 | 10.0 | 0.0% | 0 | 1.63s | 1,554 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.23s | 867 | 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 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 4.22s | 315 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.13s | 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 | |
| Qwen3.6 Flash | 5.3 | 10.0 | 33.3% | 0 | 1.11s | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 947ms | 132 | 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 | |
| Qwen3.6 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.10s | 66 | 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 | |
| Qwen3.6 Flash | 3.5 | 10.0 | 0.0% | 0 | 1.20s | 697 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.49s | 272 | 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 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 649ms | 9 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsQwen3.6 FlashnoneMistral Small 4mediumvsQwen3.6 Flashnonegpt-oss-120bmedium免费可用vsQwen3.6 FlashnoneElephant AlphamediumvsQwen3.6 FlashnoneGPT-4o-mininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGPT-4o-mininoneCobuddymedium免费可用vsQwen3.6 FlashnoneOwl AlphamediumvsQwen3.6 FlashnoneGPT-4o-mininonevsGLM 4.7 FlashmediumNemotron 3 Supermedium免费可用vsQwen3.6 FlashnoneMiniMax M2.7mediumvsQwen3.6 FlashnoneGPT-4o-mininonevsElephant Alphamedium