AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs HY3 Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | HY3 Preview HY3 Preview high 免费可用 |
|---|---|---|
| 分数 | 7.3 | 8.6 |
| 排名 | #58 | #10 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 7.4 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 83.3% |
| 不稳定测试 | 6 | 2 |
| 总运行次数 | 54 | 50 |
| 每个结果成本 | 3.313 | 0.000 |
| 总成本 | $0.299 | $0.000 |
| ???? | $0.750 / 1M | $0.000 / 1M |
| ???? | $4.500 / 1M | $0.000 / 1M |
| 输出令牌 | 2,131 | 238,920 |
| 推理令牌 | 59,567 | 0 |
| 响应时间（平均） | 15.22s | 55.19s |
| 响应时间（最大） | 102.91s | 149.94s |
| 响应时间（总计） | 273.90s | 938.23s |
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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 32.69s | 26,550 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 99.76s | 38,167 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 113.09s | 31,319 | 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 | |
| HY3 Preview | 6.5 | 10.0 | 50.0% | 0 | 12.11s | 4,323 | 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 | |
| HY3 Preview | 5.3 | 7.2 | 44.4% | 1 | 109.04s | 87,559 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 24.31s | 5,490 | 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 | 6.7 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| HY3 Preview | 9.9 | 10.0 | 100.0% | 0 | 34.02s | 13,331 | 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 | |
| HY3 Preview | 9.0 | 7.9 | 88.9% | 1 | 28.07s | 21,811 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 78.83s | 10,370 | 0 |
快速对比
切换对比组合
Seed-2.0-LitemediumvsHY3 Previewhigh免费可用GPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Qwen3.6 35B A3BmediumvsHY3 Previewhigh免费可用Qwen3.5 Plus 2026-02-15mediumvsHY3 Previewhigh免费可用Claude Sonnet 4.6nonevsGPT-5.4 MinimediumQwen3.6 Plus Previewmedium免费可用vsHY3 Previewhigh免费可用Qwen3.6 Max PreviewmediumvsHY3 Previewhigh免费可用Gemini 3 Flash PreviewlowvsHY3 Previewhigh免费可用Qwen3.5-27BmediumvsHY3 Previewhigh免费可用Gemini 3 PRO PreviewmediumvsHY3 Previewhigh免费可用HY3 Previewhigh免费可用vsGLM 5mediumGPT-5.4 MinimediumvsQwen3.6 Max Previewnone