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: Qwen3.6 Plus

摘要

GPT-5.4 Mini vs Qwen3.6 Plus benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.8。 Qwen3.6 Plus benchmark 成本更低，为 $0.294 vs $0.526。 GPT-5.4 Mini 更快，为 22.34s vs 30.70s，通过率为 73.0% vs 69.8%。

推荐模型: Qwen3.6 Plus - 它的得分接近这里的最高分（7.8 vs 8.0），同时成本比GPT-5.4 Mini低约 1.8 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 Qwen3.6 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20
分数 8.0 7.8
排名 #27 #30
可靠性 10.0 10.0
一致性 8.0 9.3
测试正确
尝试通过率 73.0% 69.8%
不稳定测试 5 2
总运行次数 63 63
每个结果成本 4.381 0.831
总成本 $0.526 $0.294
输入价格 $0.750 / 1M $0.325 / 1M
输出价格 $4.500 / 1M $1.950 / 1M
总输入令牌 34,116 41,565
输出令牌 2,181 1,853
推理令牌 108,937 141,973
响应时间（平均） 22.34s 30.70s
响应时间（最大） 138.75s 201.68s
响应时间（总计） 469.20s 613.99s

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

#30 Qwen3.6 Plus

medium
Cost
$0.024
Time
219.0s
Tokens
12,235 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
Qwen3.6 Plus 10.0 10.0 100.0% 0 9.90s 672 207 7,557
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
Qwen3.6 Plus 6.1 7.8 44.4% 1 153.12s 7,098 58 50,586
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
Qwen3.6 Plus 10.0 10.0 100.0% 0 34.95s 14,934 452 13,073
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
Qwen3.6 Plus 10.0 10.0 100.0% 0 14.95s 7,782 270 10,706
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
Qwen3.6 Plus 2.9 7.2 11.1% 1 29.59s 771 56 33,464
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
Qwen3.6 Plus 5.1 10.0 0.0% 0 27.05s 516 111 5,232
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
Qwen3.6 Plus 10.0 10.0 100.0% 0 7.54s 699 102 5,552
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
Qwen3.6 Plus 10.0 10.0 100.0% 0 6.34s 696 309 6,712
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
Qwen3.6 Plus 10.0 10.0 100.0% 0 5.87s 8,193 267 1,330
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
Qwen3.6 Plus 3.0 10.0 0.0% 0 47.51s 204 21 7,761

快速对比

切换对比组合

Qwen3.6 PlusmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.6 PlusmediumDeepSeek V4 FlashhighvsGPT-5.4 MinimediumGPT-5.4 MinimediumvsStep 3.7 FlashlowGPT-5.3 ChatnonevsQwen3.6 PlusmediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumDeepSeek V4 FlashhighvsQwen3.6 PlusmediumGemini 3 Flash PreviewlowvsQwen3.6 PlusmediumClaude Sonnet 4.6nonevsQwen3.6 PlusmediumClaude Opus 4.8nonevsQwen3.6 PlusmediumGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumGPT-5.2 ChatnonevsQwen3.6 Plusmedium