AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-27B
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | OpenAI: GPT-5.4 medium 发布日期: 2026-03-05 | Qwen: Qwen3.5-27B medium 发布日期: 2026-02-24 |
|---|---|---|
| 平均分 | 8.2 | 8.5 |
| 排名 | #7 | #5 |
| 测试正确 | ||
| 一致性 | 8.9 | 9.5 |
| 每个结果成本 | 6.533 | 3.283 |
| 总成本 | $0.784 | $0.394 |
| 尝试通过率 | 86.7% | 82.2% |
| 不稳定测试 | 2 | 1 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,611 | 1,588 |
| 推理令牌 | 46,321 | 177,639 |
| 响应时间（平均） | 21.06s | 48.85s |
| 响应时间（最大） | 100.41s | 163.96s |
| 响应时间（总计） | 315.95s | 732.75s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 | |
| Qwen: Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 9.69s | 102 | 8,956 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 | |
| Qwen: Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 | |
| Qwen: Qwen3.5-27B | 9.9 | 10.0 | 100.0% | 0 | 30.26s | 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 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 | |
| Qwen: Qwen3.5-27B | 4.0 | 10.0 | 33.3% | 0 | 79.53s | 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 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 | |
| Qwen: Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 | |
| Qwen: Qwen3.5-27B | 8.3 | 7.7 | 77.8% | 1 | 64.61s | 245 | 77,213 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 | |
| Qwen: Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewhighvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGPT-5.3 ChatnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-27BmediumGemini 3 Flash PreviewnonevsGPT-5.4mediumClaude Sonnet 4.6nonevsGPT-5.4medium