导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5-Flash

摘要

GPT-5.4 Mini vs Qwen3.5-Flash benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 6.8。 Qwen3.5-Flash benchmark 成本更低，为 $0.080 vs $0.526。 GPT-5.4 Mini 更快，为 22.34s vs 63.29s，通过率为 73.0% vs 71.4%。

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-Flash快约 2.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17 Qwen3.5-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24
分数 8.0 6.8
排名 #27 #70
可靠性 10.0 10.0
一致性 8.0 8.1
测试正确
尝试通过率 73.0% 71.4%
不稳定测试 5 5
总运行次数 63 63
每个结果成本 4.381 0.871
总成本 $0.526 $0.080
输入价格 $0.750 / 1M $0.065 / 1M
输出价格 $4.500 / 1M $0.260 / 1M
总输入令牌 34,116 38,926
输出令牌 2,181 2,088
推理令牌 108,937 294,598
响应时间（平均） 22.34s 63.29s
响应时间（最大） 138.75s 234.29s
响应时间（总计） 469.20s 1265.85s

生成展示

Hamster playing table tennis

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

#27 GPT-5.4 Mini

medium
成本
$0.056
时间
95.5s
令牌
12,464 tok

#70 Qwen3.5-Flash

medium
成本
$0.002
时间
25.8s
令牌
4,294 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-Flash 10.0 10.0 100.0% 0 59.11s 672 383 32,992
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-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081
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-Flash 10.0 10.0 100.0% 0 17.78s 14,934 483 8,270
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-Flash 7.3 5.9 83.3% 1 56.99s 6,061 235 16,237
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-Flash 5.3 7.2 44.4% 1 146.50s 581 58 43,615
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-Flash 6.1 3.1 66.7% 1 40.05s 516 99 38,486
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-Flash 10.0 10.0 100.0% 0 63.49s 699 98 14,139
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-Flash 8.2 7.2 88.9% 1 27.61s 381 89 12,457
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-Flash 10.0 10.0 100.0% 0 10.33s 8,193 309 1,284
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-Flash 3.0 10.0 0.0% 0 48.98s 204 32 37,037

快速对比

切换对比组合

Gemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.5 FlashnonevsQwen3.5-FlashmediumQwen3.5-FlashmediumvsStep 3.7 FlashhighDeepSeek V4 FlashhighvsGPT-5.4 MinimediumQwen3.5-FlashmediumvsGLM 5.2noneGPT-5.4 MinimediumvsStep 3.7 FlashlowDeepSeek V4 PrononevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumClaude Opus 4.8nonevsQwen3.5-FlashmediumGemini 3.1 Flash LitelowvsQwen3.5-Flashmedium