AI BENCHY 对比
OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-35B-A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-15
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium |
|---|---|---|
| 排名 | #23 | #33 |
| 分数 | 7.8 | 7.1 |
| 一致性 | 8.5 | 6.3 |
| 每个结果成本 | 3.163 | 4.251 |
| 总成本 | $0.317 | $0.341 |
| 测试正确 | ||
| 尝试通过率 | 70.8% | 77.1% |
| 不稳定测试 | 3 | 7 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 19,272 | 5,495 |
| 推理令牌 | 0 | 169,266 |
| 响应时间（平均） | 5.96s | 43.93s |
| 响应时间（最大） | 18.33s | 106.00s |
| 响应时间（总计） | 95.30s | 702.85s |
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-5.3 Chat | 7.9 | 7.5 | 77.8% | 1 | 4.72s | 3,091 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 21.75s | 429 | 36,235 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 2,614 | 0 | |
| Qwen3.5-35B-A3B | 4.7 | 1.6 | 66.7% | 1 | 75.34s | 775 | 12,485 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 942 | 0 | |
| Qwen3.5-35B-A3B | 7.3 | 5.9 | 83.3% | 1 | 59.33s | 235 | 19,493 |
| 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-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 8,264 | 0 | |
| Qwen3.5-35B-A3B | 4.1 | 4.4 | 44.5% | 2 | 88.34s | 41 | 46,368 |
| 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-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 319 | 0 | |
| Qwen3.5-35B-A3B | 2.8 | 1.6 | 33.3% | 1 | 30.30s | 20 | 3,753 |
| 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-5.3 Chat | 8.3 | 10.0 | 50.0% | 0 | 3.29s | 1,455 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 24.45s | 97 | 17,361 |
| Puzzle Solving | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.93s | 1,726 | 0 | |
| Qwen3.5-35B-A3B | 6.4 | 4.4 | 77.8% | 2 | 31.58s | 3,589 | 32,206 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 861 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 4.65s | 309 | 1,365 |
快速对比
切换对比组合
GPT-5.3 ChatnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium免费可用GPT-5.3 ChatnonevsGLM 5 TurbomediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneQwen3.5-35B-A3BmediumvsGLM 5noneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5medium