#27 GPT-5.4 Mini
medium- Cost
- $0.056
- Time
- 95.5s
- Tokens
- 12,464 tok
AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5 Plus 2026-02-15
摘要
GPT-5.4 Mini vs Qwen3.5 Plus 2026-02-15 benchmark 对比：平均分几乎持平，为 8.0 vs 8.0。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.310 vs $0.526。 GPT-5.4 Mini 更快，为 22.34s vs 73.79s，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 Plus 2026-02-15快约 3.3 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 | Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium |
|---|---|---|
| 分数 | 8.0 | 8.0 |
| 排名 | #27 | #28 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 73.0% | 73.0% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 4.381 | 2.445 |
| 总成本 | $0.526 | $0.310 |
| 输入价格 | $0.750 / 1M | $0.260 / 1M |
| 输出价格 | $4.500 / 1M | $1.560 / 1M |
| 总输入令牌 | 34,116 | 40,918 |
| 输出令牌 | 2,181 | 2,159 |
| 推理令牌 | 108,937 | 189,604 |
| 响应时间（平均） | 22.34s | 73.79s |
| 响应时间（最大） | 138.75s | 266.69s |
| 响应时间（总计） | 469.20s | 1033.07s |
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#28 Qwen3.5 Plus 2026-02-15
medium- Cost
- $0.011
- Time
- 125.5s
- Tokens
- 7,040 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 Plus 2026-02-15 | 8.2 | 7.9 | 83.3% | 1 | 45.78s | 672 | 205 | 21,236 |
| 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 Plus 2026-02-15 | 6.6 | 7.1 | 44.4% | 1 | 180.70s | 6,950 | 420 | 80,595 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 46.85s | 14,934 | 421 | 7,906 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 46.91s | 7,782 | 270 | 14,916 |
| 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 Plus 2026-02-15 | 5.3 | 10.0 | 33.3% | 0 | 17.50s | 444 | 35 | 16,680 |
| 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 Plus 2026-02-15 | 4.7 | 1.6 | 66.7% | 1 | 79.86s | 344 | 73 | 8,675 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 31.93s | 699 | 101 | 7,704 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 32.50s | 696 | 301 | 13,853 |
| 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 8,193 | 309 | 909 |
| 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 Plus 2026-02-15 | 3.0 | 10.0 | 0.0% | 0 | 103.81s | 204 | 24 | 17,130 |
快速对比
切换对比组合
DeepSeek V4 FlashhighvsGPT-5.4 MinimediumDeepSeek V4 FlashhighvsQwen3.5 Plus 2026-02-15mediumQwen3.5 Plus 2026-02-15mediumvsStep 3.7 FlashlowGPT-5.4 MinimediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.5 Plus 2026-02-15mediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsQwen3.5 Plus 2026-02-15mediumClaude Sonnet 4.6nonevsGPT-5.4 Minimedium