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：: 2026-05-01
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium |
|---|---|---|
| 分数 | 7.9 | 7.4 |
| 排名 | #42 | #57 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.6 | 6.7 |
| 测试正确 | ||
| 尝试通过率 | 74.1% | 79.6% |
| 不稳定测试 | 3 | 7 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.826 | 3.976 |
| 总成本 | $0.340 | $0.398 |
| ???? | $1.750 / 1M | $0.163 / 1M |
| ???? | $14.000 / 1M | $1.300 / 1M |
| 输出令牌 | 20,784 | 10,137 |
| 推理令牌 | 0 | 208,761 |
| 响应时间（平均） | 5.88s | 44.51s |
| 响应时间（最大） | 18.33s | 106.00s |
| 响应时间（总计） | 105.90s | 801.21s |
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 | 6.7 | 8.1 | 58.3% | 1 | 3.86s | 3,167 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 21.13s | 798 | 42,652 |
| 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.32s | 1,436 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 79.09s | 4,273 | 33,078 |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 3.29s | 1,455 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 24.45s | 97 | 17,361 |
| 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-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
Claude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumDeepSeek V4 FlashhighvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsQwen3.5-FlashmediumGPT-5.3 ChatnonevsGLM 5.1mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumKimi K2.6mediumvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2-OmnimediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemma 4 26B A4Bmedium免费可用vsGPT-5.3 Chatnone