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: Qwen3.5-27B

摘要

GPT-5.4 Mini vs Qwen3.5-27B benchmark 对比：Qwen3.5-27B 平均分领先，为 5.9 vs 5.3。 Qwen3.5-27B benchmark 成本更低，为 $0.015 vs $0.038。 GPT-5.4 Mini 更快，为 1.13s vs 1.68s，通过率为 30.2% vs 38.1%。

推荐模型: Qwen3.5-27B - 它在这里得分最高（5.9），同时成本比GPT-5.4 Mini低约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 GPT-5.4 Mini GPT-5.4 Mini none 发布日期: 2026-03-17 Qwen3.5-27B Qwen3.5-27B none 发布日期: 2026-02-24
分数 5.3 5.9
排名 #131 #109
可靠性 10.0 10.0
一致性 8.8 9.3
测试正确
尝试通过率 30.2% 38.1%
不稳定测试 3 2
总运行次数 63 63
每个结果成本 0.743 0.249
总成本 $0.038 $0.015
输入价格 $0.750 / 1M $0.195 / 1M
输出价格 $4.500 / 1M $1.560 / 1M
总输入令牌 34,244 44,478
输出令牌 2,541 3,592
推理令牌 0 0
响应时间（平均） 1.13s 1.68s
响应时间（最大） 2.52s 9.39s
响应时间（总计） 23.82s 35.25s

Generation showcase

Hamster playing table tennis

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

#131 GPT-5.4 Mini

none
Cost
$0.010
Time
11.7s
Tokens
2,151 tok

#109 Qwen3.5-27B

none
Cost
$0.007
Time
42.9s
Tokens
4,273 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 3.1 8.1 8.3% 1 929ms 606 654 0
Qwen3.5-27B 4.8 10.0 25.0% 0 788ms 696 267 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 5.5 10.0 33.3% 0 913ms 7,305 401 0
Qwen3.5-27B 5.8 10.0 33.3% 0 1.80s 7,913 415 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 3.0 10.0 0.0% 0 2.52s 11,019 298 0
Qwen3.5-27B 2.8 1.6 33.3% 1 9.39s 16,918 1,461 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 10.0 10.0 100.0% 0 1.30s 7,140 222 0
Qwen3.5-27B 10.0 10.0 100.0% 0 1.43s 7,794 243 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 3.5 4.4 33.3% 2 937ms 723 88 0
Qwen3.5-27B 3.0 10.0 0.0% 0 540ms 789 15 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 4.8 10.0 0.0% 0 1.82s 477 174 0
Qwen3.5-27B 5.0 10.0 0.0% 0 2.51s 522 126 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 6.3 10.0 50.0% 0 728ms 660 101 0
Qwen3.5-27B 6.3 10.0 50.0% 0 1.03s 711 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 5.4 10.0 33.3% 0 836ms 642 305 0
Qwen3.5-27B 6.7 7.9 55.6% 1 1.38s 714 683 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） 输入令牌 输出令牌 推理令牌
GPT-5.4 Mini 3.0 10.0 0.0% 0 2.32s 5,477 255 0
Qwen3.5-27B 10.0 10.0 100.0% 0 3.54s 8,211 303 0
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 1.33s 195 43 0
Qwen3.5-27B 3.0 10.0 0.0% 0 599ms 210 10 0

快速对比

切换对比组合

MiniMax M2.7mediumvsGPT-5.4 MininoneMistral Small 4mediumvsGPT-5.4 MininoneGemini 3.1 Flash LiteminimalvsQwen3.5-27BnoneCobuddymediumvsGPT-5.4 MininoneDeepSeek V4 ProhighvsQwen3.5-27BnoneGemma 4 31Bmedium免费可用vsQwen3.5-27BnoneNemotron 3 Supermedium免费可用vsQwen3.5-27BnoneGemini 3.1 Flash LitelowvsQwen3.5-27BnoneMiniMax M2.5mediumvsGPT-5.4 MininoneGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BnoneGPT-5.4 MininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsQwen3.5-27Bnone