AI BENCHY 对比
OpenAI: GPT-5.4 Nano vs Qwen: Qwen3.6 35B A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | GPT-5.4 Nano GPT-5.4 Nano none | Qwen3.6 35B A3B Qwen3.6 35B A3B none |
|---|---|---|
| 分数 | 4.6 | 5.1 |
| 排名 | #127 | #119 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 7.4 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 33.3% | 39.6% |
| 不稳定测试 | 6 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.299 | 0.471 |
| 总成本 | $0.009 | $0.019 |
| ???? | $0.200 / 1M | $0.162 / 1M |
| ???? | $1.250 / 1M | $0.966 / 1M |
| 输出令牌 | 2,762 | 17,503 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.40s | 2.87s |
| 响应时间（最大） | 3.84s | 12.46s |
| 响应时间（总计） | 25.14s | 46.00s |
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 Nano | 3.5 | 8.0 | 16.7% | 1 | 1.18s | 800 | 0 | |
| Qwen3.6 35B A3B | 3.6 | 7.6 | 16.7% | 1 | 2.10s | 1,571 | 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 Nano | 7.1 | 3.7 | 66.7% | 1 | 1.43s | 577 | 0 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 921 | 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 Nano | 3.0 | 10.0 | 0.0% | 0 | 3.84s | 280 | 0 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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 Nano | 6.5 | 10.0 | 50.0% | 0 | 1.11s | 219 | 0 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 248 | 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 Nano | 2.9 | 4.4 | 22.2% | 2 | 926ms | 52 | 0 | |
| Qwen3.6 35B A3B | 3.5 | 4.4 | 33.3% | 2 | 7.45s | 11,381 | 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 Nano | 3.8 | 2.5 | 33.3% | 1 | 1.31s | 180 | 0 | |
| Qwen3.6 35B A3B | 4.4 | 3.0 | 33.3% | 1 | 3.51s | 1,545 | 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 Nano | 6.3 | 10.0 | 50.0% | 0 | 787ms | 84 | 0 | |
| Qwen3.6 35B A3B | 6.2 | 5.8 | 66.7% | 1 | 1.86s | 1,264 | 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 Nano | 3.7 | 7.3 | 22.2% | 1 | 1.29s | 348 | 0 | |
| Qwen3.6 35B A3B | 3.2 | 9.9 | 0.0% | 0 | 1.00s | 573 | 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 3.40s | 222 | 0 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
GPT-5.4 NanononevsGLM 4.7 FlashmediumNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsQwen3.6 35B A3BnoneElephant AlphamediumvsQwen3.6 35B A3BnoneMiniMax M2.7mediumvsQwen3.6 35B A3BnoneGPT-5.4 NanononevsQwen3.5-9BmediumGPT-5.4 NanononevsQwen3 Coder NextmediumQwen3.6 35B A3BnonevsGLM 4.7 FlashmediumMiniMax M2.5medium免费可用vsQwen3.6 35B A3BnoneMistral Small 4mediumvsQwen3.6 35B A3BnoneNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用vsGPT-5.4 NanononeGPT-5.4 NanononevsElephant AlphamediumMiniMax M2.7mediumvsGPT-5.4 Nanonone