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 none | HY3 Preview HY3 Preview high 免费可用 |
|---|---|---|
| 分数 | 5.1 | 8.6 |
| 排名 | #117 | #10 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.6 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 35.2% | 83.3% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 54 | 50 |
| 每个结果成本 | 0.630 | 0.000 |
| 总成本 | $0.032 | $0.000 |
| ???? | $0.750 / 1M | $0.000 / 1M |
| ???? | $4.500 / 1M | $0.000 / 1M |
| 输出令牌 | 2,418 | 238,920 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.17s | 55.19s |
| 响应时间（最大） | 2.52s | 149.94s |
| 响应时间（总计） | 21.01s | 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 | 3.1 | 8.1 | 8.3% | 1 | 929ms | 654 | 0 | |
| 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 | 1.19s | 333 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 2.52s | 298 | 0 | |
| 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 | 1.30s | 222 | 0 | |
| 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 | 3.5 | 4.4 | 33.3% | 2 | 937ms | 88 | 0 | |
| 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 | 4.8 | 10.0 | 0.0% | 0 | 1.82s | 174 | 0 | |
| 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 | 6.3 | 10.0 | 50.0% | 0 | 728ms | 101 | 0 | |
| 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 | 5.4 | 10.0 | 33.3% | 0 | 860ms | 293 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 255 | 0 | |
| 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Nemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-5.4 MininoneGPT-5.4 MininonevsElephant AlphamediumQwen3.6 35B A3BmediumvsHY3 Previewhigh免费可用Qwen3.5 Plus 2026-02-15mediumvsHY3 Previewhigh免费可用MiniMax M2.7mediumvsGPT-5.4 MininoneQwen3.6 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GPT-5.4 MininonevsQwen3 Coder Nextmedium