AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-27B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | GPT-5.4 GPT-5.4 medium | Qwen3.5-27B Qwen3.5-27B medium |
|---|---|---|
| 分数 | 7.9 | 7.9 |
| 排名 | #27 | #24 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.5 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 75.0% | 73.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 8.765 | 4.532 |
| 总成本 | $1.140 | $0.488 |
| 输入价格 | $2.500 / 1M | $0.195 / 1M |
| 输出价格 | $15.000 / 1M | $1.560 / 1M |
| 总输入令牌 | 31,489 | 39,329 |
| 输出令牌 | 2,221 | 2,569 |
| 推理令牌 | 68,486 | 304,894 |
| 响应时间（平均） | 22.31s | 60.09s |
| 响应时间（最大） | 100.41s | 177.36s |
| 响应时间（总计） | 446.17s | 1201.89s |
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-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 | |
| Qwen3.5-27B | 8.7 | 7.9 | 91.7% | 1 | 19.75s | 672 | 569 | 31,505 |
| 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-5.4 | 8.2 | 6.7 | 83.3% | 1 | 54.98s | 4,686 | 412 | 19,995 | |
| Qwen3.5-27B | 7.0 | 9.8 | 50.0% | 0 | 123.86s | 5,060 | 416 | 64,993 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 11,019 | 301 | 3,543 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 14,946 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 30.26s | 7,782 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 619 | 61 | 34,748 | |
| Qwen3.5-27B | 5.3 | 10.0 | 33.3% | 0 | 79.53s | 553 | 43 | 52,368 |
| 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-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 | |
| Qwen3.5-27B | 6.1 | 3.1 | 66.7% | 1 | 101.41s | 524 | 70 | 23,147 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 699 | 97 | 11,638 |
| 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-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 | |
| Qwen3.5-27B | 8.2 | 7.7 | 77.8% | 1 | 59.60s | 696 | 242 | 70,096 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 8,193 | 348 | 1,323 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 | |
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 85.11s | 204 | 31 | 23,683 |
快速对比
切换对比组合
GPT-5.4mediumvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsQwen3.5-27BmediumGemini 3.5 FlashminimalvsGPT-5.4mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3.5 FlashnonevsQwen3.5-27BmediumGemini 3.5 FlashnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumDeepSeek V4 FlashhighvsGPT-5.4mediumDeepSeek V4 FlashhighvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27Bmedium