AI BENCHY 对比
OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.6 35B A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | GPT-5.3-Codex GPT-5.3-Codex medium | Qwen3.6 35B A3B Qwen3.6 35B A3B medium |
|---|---|---|
| 分数 | 8.6 | 8.8 |
| 排名 | #11 | #9 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 8.7 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 83.3% | 83.3% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 4.405 | 0.800 |
| 总成本 | $0.573 | $0.104 |
| ???? | $1.750 / 1M | $0.162 / 1M |
| ???? | $14.000 / 1M | $0.966 / 1M |
| 输出令牌 | 2,279 | 14,256 |
| 推理令牌 | 35,179 | 98,005 |
| 响应时间（平均） | 15.38s | 11.98s |
| 响应时间（最大） | 100.93s | 45.02s |
| 响应时间（总计） | 276.91s | 191.76s |
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-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 6.02s | 1,154 | 12,385 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 32.58s | 3,294 | 15,116 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 12.99s | 2,591 | 9,968 |
| 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-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| Qwen3.6 35B A3B | 5.3 | 7.2 | 44.4% | 1 | 22.50s | 6,193 | 39,116 |
| 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-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| Qwen3.6 35B A3B | 4.4 | 9.9 | 0.0% | 0 | 8.66s | 129 | 4,569 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 7.50s | 219 | 7,404 |
| 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-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 5.98s | 676 | 9,447 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsQwen3.6 35B A3BmediumGPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGPT-5.5lowvsQwen3.6 35B A3BmediumQwen3.6 35B A3BmediumvsHY3 Previewhigh免费可用Claude Opus 4.7nonevsQwen3.6 35B A3BmediumGPT-5.3-CodexmediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumClaude Opus 4.7nonevsGPT-5.3-CodexmediumQwen3.6 35B A3BmediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsQwen3.6 35B A3Bmedium