AI BENCHY 对比
OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | Qwen3.5-Flash Qwen3.5-Flash medium |
|---|---|---|
| 分数 | 7.7 | 7.8 |
| 排名 | #35 | #32 |
| 一致性 | 8.6 | 7.3 |
| 测试正确 | ||
| 尝试通过率 | 68.5% | 81.5% |
| 不稳定测试 | 3 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.082 | 0.719 |
| 总成本 | $0.340 | $0.080 |
| ???? | $1.750 / 1M | $0.065 / 1M |
| ???? | $14.000 / 1M | $0.260 / 1M |
| 输出令牌 | 20,784 | 2,073 |
| 推理令牌 | 0 | 191,899 |
| 响应时间（平均） | 5.88s | 66.72s |
| 响应时间（最大） | 18.33s | 234.29s |
| 响应时间（总计） | 105.90s | 1201.03s |
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-Flash | 10.0 | 10.0 | 100.0% | 0 | 59.11s | 383 | 32,992 |
| 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-Flash | 4.7 | 1.6 | 66.7% | 1 | 45.75s | 246 | 12,600 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 17.78s | 483 | 8,270 |
| 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-Flash | 7.3 | 5.9 | 83.3% | 1 | 56.99s | 235 | 16,237 |
| 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-Flash | 5.3 | 7.2 | 44.4% | 1 | 146.50s | 58 | 43,615 |
| 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-Flash | 6.1 | 3.1 | 66.7% | 1 | 40.05s | 99 | 38,486 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 63.49s | 98 | 14,139 |
| 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-Flash | 6.4 | 4.4 | 77.8% | 2 | 56.74s | 162 | 24,276 |
| 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 10.33s | 309 | 1,284 |
快速对比
切换对比组合
Claude Opus 4.6mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2-OmnimediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumGPT-5.2 ChatnonevsQwen3.5-FlashmediumGPT-5.3 ChatnonevsGLM 5.1mediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-Flashmedium