AI BENCHY 对比
OpenAI: GPT-5.4 vs HY3 Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-23
| 指标 | GPT-5.4 GPT-5.4 medium | HY3 Preview HY3 Preview high 免费可用 |
|---|---|---|
| 分数 | 8.2 | 8.5 |
| 排名 | #17 | #9 |
| 一致性 | 8.7 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 79.6% | 81.5% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 54 | 50 |
| 每个结果成本 | 6.399 | 0.000 |
| 总成本 | $0.832 | $0.000 |
| ???? | $2.500 / 1M | $0.000 / 1M |
| ???? | $15.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,169 | 238,920 |
| 推理令牌 | 48,732 | 0 |
| 响应时间（平均） | 18.63s | 55.19s |
| 响应时间（最大） | 100.41s | 149.94s |
| 响应时间（总计） | 335.26s | 938.23s |
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-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 240 | 1,511 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 32.69s | 26,550 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.03s | 389 | 2,045 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 99.76s | 38,167 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 113.09s | 31,319 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 | |
| HY3 Preview | 6.5 | 10.0 | 50.0% | 0 | 12.11s | 4,323 | 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 | |
| HY3 Preview | 5.3 | 7.2 | 44.4% | 1 | 109.04s | 87,559 | 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-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 24.31s | 5,490 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 | |
| HY3 Preview | 8.5 | 6.8 | 83.3% | 1 | 34.02s | 13,331 | 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-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 | |
| HY3 Preview | 9.0 | 7.9 | 88.9% | 1 | 28.07s | 21,811 | 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 78.83s | 10,370 | 0 |
快速对比
切换对比组合
Qwen3.5 Plus 2026-02-15mediumvsHY3 Previewhigh免费可用Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewhigh免费可用Qwen3.5-27BmediumvsHY3 Previewhigh免费可用GPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Gemini 3 PRO PreviewmediumvsHY3 Previewhigh免费可用GPT-5.4mediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsGPT-5.4mediumSeed-2.0-LitemediumvsHY3 Previewhigh免费可用HY3 Previewhigh免费可用vsGLM 5mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemma 4 31Bmedium免费可用vsHY3 Previewhigh免费可用Gemini 2.5 FlashmediumvsHY3 Previewhigh免费可用