比较图表

语言:

❤️ Made by XCS

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.5-27B

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标	OpenAI: GPT-5.3-Codex medium 发布日期: 发布日期未知	Qwen: Qwen3.5-27B medium 发布日期: 发布日期未知
排名	#7	#5
分数	7.93	8.55
一致性	8.84	9.55
每个结果成本	4.641	2.950
总成本	$0.465	$0.325
测试正确
错误测试数	4	3
尝试通过率	78.6%	83.3%
不稳定测试	2	1
输出令牌	1,201	1,091
推理令牌	30,056	131,807

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	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	10.00	10.00	100.0%	0		216	1,421
Qwen: Qwen3.5-27B	10.00	10.00	100.0%	0		102	8,956

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	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	10.00	10.00	100.0%	0		234	735
Qwen: Qwen3.5-27B	9.88	10.00	100.0%	0		270	16,150

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	4.00	7.21	55.6%	1		64	25,308
Qwen: Qwen3.5-27B	4.00	10.00	33.3%	0		43	52,368

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	9.00	10.00	50.0%	0		93	693
Qwen: Qwen3.5-27B	9.00	6.88	83.3%	1		97	11,638

Puzzle Solving	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	7.00	7.38	77.8%	1		340	1,407
Qwen: Qwen3.5-27B	10.00	10.00	100.0%	0		231	41,372

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.3-Codex	10.00	10.00	100.0%	0		254	492
Qwen: Qwen3.5-27B	10.00	10.00	100.0%	0		348	1,323

切换对比组合

将 OpenAI: GPT-5.3-Codex 与...对比

将 Qwen: Qwen3.5-27B 与...对比