导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

GPT-5.3 Chat vs Qwen3.5 Plus 2026-02-15 benchmark 对比：Qwen3.5 Plus 2026-02-15 平均分领先，为 8.0 vs 7.5。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.310 vs $0.433。 GPT-5.3 Chat 更快，为 6.34s vs 73.79s，通过率为 66.7% vs 73.0%。

推荐模型: GPT-5.3 Chat - 它的得分接近这里的最高分（7.5 vs 8.0），同时响应速度比Qwen3.5 Plus 2026-02-15快约 11.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium 发布日期: 2026-02-15
分数 7.5 8.0
排名 #45 #28
可靠性 10.0 10.0
一致性 8.1 8.8
测试正确
尝试通过率 66.7% 73.0%
不稳定测试 5 3
总运行次数 63 63
每个结果成本 3.605 2.445
总成本 $0.433 $0.310
输入价格 $1.750 / 1M $0.260 / 1M
输出价格 $14.000 / 1M $1.560 / 1M
总输入令牌 34,209 40,918
输出令牌 26,617 2,159
推理令牌 0 189,604
响应时间（平均） 6.34s 73.79s
响应时间（最大） 18.33s 266.69s
响应时间（总计） 133.13s 1033.07s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#45 GPT-5.3 Chat

none
Cost
$0.008
Time
8.1s
Tokens
634 tok

#28 Qwen3.5 Plus 2026-02-15

medium
Cost
$0.011
Time
125.5s
Tokens
7,040 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
Qwen3.5 Plus 2026-02-15 8.2 7.9 83.3% 1 45.78s 672 205 21,236
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
Qwen3.5 Plus 2026-02-15 6.6 7.1 44.4% 1 180.70s 6,950 420 80,595
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 14,934 421 7,906
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.91s 7,782 270 14,916
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
Qwen3.5 Plus 2026-02-15 5.3 10.0 33.3% 0 17.50s 444 35 16,680
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
Qwen3.5 Plus 2026-02-15 4.7 1.6 66.7% 1 79.86s 344 73 8,675
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 699 101 7,704
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 32.50s 696 301 13,853
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 8,193 309 909
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） 输入令牌 输出令牌 推理令牌
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
Qwen3.5 Plus 2026-02-15 3.0 10.0 0.0% 0 103.81s 204 24 17,130

快速对比

切换对比组合

Mercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok Build 0.1mediumDeepSeek V4 ProhighvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5.3 ChatnonevsStep 3.7 Flashlow