AI BENCHY 对比
OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.6 Max Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | Qwen3.6 Max Preview Qwen3.6 Max Preview none |
|---|---|---|
| 分数 | 7.4 | 7.1 |
| 排名 | #52 | #66 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.4 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 61.7% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 3.342 | 0.797 |
| 总成本 | $0.401 | $0.088 |
| ???? | $1.750 / 1M | $1.040 / 1M |
| ???? | $14.000 / 1M | $6.240 / 1M |
| 输出令牌 | 24,689 | 4,775 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 6.10s | 3.27s |
| 响应时间（最大） | 18.33s | 20.51s |
| 响应时间（总计） | 121.99s | 65.47s |
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 | |
| Qwen3.6 Max Preview | 5.2 | 7.9 | 41.7% | 1 | 2.63s | 513 | 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-5.3 Chat | 6.9 | 6.2 | 66.7% | 1 | 10.52s | 4,772 | 0 | |
| Qwen3.6 Max Preview | 4.2 | 6.0 | 33.3% | 1 | 3.06s | 450 | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 2,614 | 0 | |
| Qwen3.6 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 20.51s | 2,842 | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 942 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 243 | 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-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 8,264 | 0 | |
| Qwen3.6 Max Preview | 7.7 | 10.0 | 66.7% | 0 | 1.22s | 18 | 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-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 319 | 0 | |
| Qwen3.6 Max Preview | 4.3 | 10.0 | 0.0% | 0 | 1.62s | 76 | 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-5.3 Chat | 9.8 | 10.0 | 100.0% | 0 | 3.29s | 1,455 | 0 | |
| Qwen3.6 Max Preview | 9.8 | 10.0 | 100.0% | 0 | 1.45s | 69 | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.93s | 1,726 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.38s | 323 | 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-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 861 | 0 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 5.27s | 222 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 3.0 | 10.0 | 0.0% | 0 | 4.38s | 569 | 0 | |
| Qwen3.6 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 1.97s | 19 | 0 |
快速对比
切换对比组合
GPT-5.3 ChatnonevsMiMo-V2.5mediumGPT-5.3 ChatnonevsGLM 5.1mediumKimi K2.6mediumvsGPT-5.3 ChatnoneGPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneDeepSeek V4 Flashhigh免费可用vsGPT-5.3 ChatnoneGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-FlashmediumQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneSeed-2.0-MinimediumvsQwen3.6 Max PreviewnoneGPT-5.3 ChatnonevsQwen3.6 Flashmedium