AI BENCHY 对比
OpenAI: GPT-4o-mini vs HY3 Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-23
| 指标 | GPT-4o-mini GPT-4o-mini none | HY3 Preview HY3 Preview none 免费可用 |
|---|---|---|
| 分数 | 4.9 | 4.7 |
| 排名 | #97 | #101 |
| 一致性 | 9.9 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 22.2% | 27.8% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.122 | 0.000 |
| 总成本 | $0.005 | $0.000 |
| ???? | $0.150 / 1M | $0.000 / 1M |
| ???? | $0.600 / 1M | $0.000 / 1M |
| 输出令牌 | 1,947 | 2,639 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.00s | 13.56s |
| 响应时间（最大） | 7.58s | 35.84s |
| 响应时间（总计） | 21.99s | 230.55s |
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 | |
| HY3 Preview | 4.8 | 10.0 | 25.0% | 0 | 11.10s | 770 | 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 | |
| HY3 Preview | 2.3 | 1.1 | 33.3% | 1 | 4.56s | 333 | 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 | |
| HY3 Preview | 3.0 | 10.0 | 0.0% | 0 | 35.84s | 281 | 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 | |
| HY3 Preview | 6.5 | 10.0 | 50.0% | 0 | 2.85s | 117 | 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 | |
| HY3 Preview | 3.6 | 7.2 | 22.2% | 1 | 17.61s | 27 | 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 | |
| HY3 Preview | 4.1 | 10.0 | 0.0% | 0 | 16.07s | 150 | 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 | 4.8 | 10.0 | 0.0% | 0 | 1.27s | 69 | 0 | |
| HY3 Preview | 6.3 | 10.0 | 50.0% | 0 | 12.98s | 365 | 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 | 3.7 | 10.0 | 0.0% | 0 | 1.30s | 308 | 0 | |
| HY3 Preview | 3.3 | 10.0 | 0.0% | 0 | 4.76s | 359 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 33.76s | 237 | 0 |
快速对比
切换对比组合
Qwen3 Coder NextmediumvsHY3 Previewnone免费可用HY3 Previewnone免费可用vsGLM 4.7 FlashmediumGPT-4o-mininonevsQwen3 Coder NextmediumGPT-4o-mininonevsGLM 4.7 FlashmediumQwen3.5-9BmediumvsHY3 Previewnone免费可用GPT-4o-mininonevsElephant AlphamediumMiniMax M2.7mediumvsGPT-4o-mininoneGPT-4o-mininonevsQwen3.5-9BmediumElephant AlphamediumvsHY3 Previewnone免费可用MiniMax M2.7mediumvsHY3 Previewnone免费可用Mistral Small 4mediumvsGPT-4o-mininoneMiniMax M2.5medium免费可用vsGPT-4o-mininone