导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5-27B

摘要

GPT-5.4 Mini vs Qwen3.5-27B benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.9。 GPT-5.4 Mini benchmark 成本更低，为 $0.526 vs $0.536。 GPT-5.4 Mini 更快，为 22.34s vs 68.39s，通过率为 73.0% vs 73.0%。

推荐模型: GPT-5.4 Mini - 它在这里得分最高（8.0），同时响应速度比Qwen3.5-27B快约 3.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24
分数 8.0 7.9
排名 #27 #29
可靠性 10.0 10.0
一致性 8.0 8.5
测试正确
尝试通过率 73.0% 73.0%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 4.381 4.901
总成本 $0.526 $0.536
输入价格 $0.750 / 1M $0.195 / 1M
输出价格 $4.500 / 1M $1.560 / 1M
总输入令牌 34,116 42,164
输出令牌 2,181 8,534
推理令牌 108,937 329,289
响应时间（平均） 22.34s 68.39s
响应时间（最大） 138.75s 234.36s
响应时间（总计） 469.20s 1436.24s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#27 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 tok

#29 Qwen3.5-27B

medium
Cost
$0.008
Time
62.0s
Tokens
3,099 tok

按分数排名的模型

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 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
Qwen3.5-27B 6.2 7.1 55.6% 1 160.69s 7,895 6,381 89,388
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 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
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 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
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 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174
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

Qwen3.5-27BmediumvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGPT-5.4 MinimediumDeepSeek V4 ProhighvsQwen3.5-27BmediumGPT-5.4 MinimediumvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsQwen3.5-27BmediumGPT-5.3 ChatnonevsQwen3.5-27BmediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumGemini 3 Flash PreviewlowvsQwen3.5-27BmediumClaude Sonnet 4.6nonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Opus 4.8nonevsQwen3.5-27Bmedium