AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.6 Max Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | Qwen3.6 Max Preview Qwen3.6 Max Preview none |
|---|---|---|
| 分数 | 7.3 | 7.3 |
| 排名 | #57 | #56 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 7.4 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 66.7% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.313 | 0.827 |
| 总成本 | $0.299 | $0.083 |
| ???? | $0.750 / 1M | $1.300 / 1M |
| ???? | $4.500 / 1M | $7.800 / 1M |
| 输出令牌 | 2,131 | 4,732 |
| 推理令牌 | 59,567 | 0 |
| 响应时间（平均） | 15.22s | 3.38s |
| 响应时间（最大） | 102.91s | 20.51s |
| 响应时间（总计） | 273.90s | 60.83s |
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 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| Qwen3.6 Max Preview | 5.2 | 7.9 | 41.7% | 1 | 2.63s | 513 | 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 7.76s | 423 | 1,548 | |
| Qwen3.6 Max Preview | 5.0 | 2.0 | 66.7% | 1 | 3.45s | 426 | 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| Qwen3.6 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 20.51s | 2,842 | 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 243 | 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 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| Qwen3.6 Max Preview | 7.7 | 10.0 | 66.7% | 0 | 1.22s | 18 | 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| Qwen3.6 Max Preview | 4.3 | 10.0 | 0.0% | 0 | 1.62s | 76 | 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 Mini | 7.4 | 6.5 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| Qwen3.6 Max Preview | 8.4 | 6.9 | 83.3% | 1 | 1.45s | 69 | 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 Mini | 6.8 | 7.9 | 55.6% | 1 | 4.33s | 271 | 2,449 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.38s | 323 | 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 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 5.27s | 222 | 0 |
快速对比
切换对比组合
Qwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGPT-5.4 MinimediumSeed-2.0-MinimediumvsQwen3.6 Max PreviewnoneGPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneGPT-5 MinimediumvsQwen3.6 Max PreviewnoneKimi K2.5mediumvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsMiMo-V2-OmnimediumGemma 4 31Bnone免费可用vsGPT-5.4 MinimediumQwen3.6 Max PreviewnonevsGrok 4.20mediumKimi K2.6mediumvsQwen3.6 Max Previewnone