AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.5-9B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-17
| 指标 | GPT-5.4 Mini GPT-5.4 Mini none | Qwen3.5-9B Qwen3.5-9B none |
|---|---|---|
| 排名 | #66 | #67 |
| 分数 | 4.8 | 4.8 |
| 一致性 | 8.6 | 10.0 |
| 每个结果成本 | 0.737 | 0.111 |
| 总成本 | $0.030 | $0.005 |
| 测试正确 | ||
| 尝试通过率 | 31.4% | 23.5% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 51 | 51 |
| 输出令牌 | 2,085 | 2,945 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.17s | 1.22s |
| 响应时间（最大） | 2.52s | 5.91s |
| 响应时间（总计） | 19.82s | 20.74s |
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 | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 0 | |
| Qwen3.5-9B | 3.1 | 9.9 | 0.0% | 0 | 1.71s | 582 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 5.91s | 1,255 | 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 | 1.30s | 222 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 847ms | 249 | 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 | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 464ms | 24 | 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 | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 0 | |
| Qwen3.5-9B | 4.4 | 9.9 | 0.0% | 0 | 552ms | 99 | 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 | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 0 | |
| Qwen3.5-9B | 6.5 | 10.0 | 50.0% | 0 | 514ms | 75 | 0 |
| Puzzle Solving | 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 | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 0 | |
| Qwen3.5-9B | 3.2 | 9.9 | 0.0% | 0 | 683ms | 388 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 273 | 0 |
快速对比
切换对比组合
GPT-5.4 MininonevsQwen3 Coder NextmediumQwen3.5-9BnonevsGLM 4.7 FlashmediumGPT-5.4 MininonevsGLM 4.7 FlashmediumGPT-5.4 MininonevsQwen3.5-9BmediumMistral Small 4mediumvsGPT-5.4 MininoneMistral Small 4mediumvsQwen3.5-9BnoneMiniMax M2.5medium免费可用vsGPT-5.4 MininoneMiniMax M2.5medium免费可用vsQwen3.5-9Bnonegpt-oss-120bmedium免费可用vsQwen3.5-9BnoneGPT-5.4 MininonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-9BnonevsGrok 4.20 Multi-Agent BetamediumGPT-5 NanomediumvsQwen3.5-9Bnone