AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-122B-A10B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | GPT-5.4 GPT-5.4 none | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none |
|---|---|---|
| 分数 | 5.9 | 5.7 |
| 排名 | #63 | #66 |
| 一致性 | 9.1 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 42.6% | 38.9% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 1.477 | 0.360 |
| 总成本 | $0.104 | $0.022 |
| ???? | $2.500 / 1M | $0.260 / 1M |
| ???? | $15.000 / 1M | $2.080 / 1M |
| 输出令牌 | 2,317 | 3,341 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.51s | 3.69s |
| 响应时间（最大） | 2.95s | 46.00s |
| 响应时间（总计） | 27.21s | 66.50s |
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 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 406 | 0 | |
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.95s | 480 | 0 | |
| Qwen3.5-122B-A10B | 4.3 | 1.1 | 66.7% | 1 | 3.44s | 659 | 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 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 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 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 66 | 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 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen3.5-122B-A10B | 4.5 | 6.8 | 16.7% | 1 | 585ms | 70 | 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 | 5.6 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen3.5-122B-A10B | 5.4 | 10.0 | 33.3% | 0 | 982ms | 575 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10Bnonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.5medium免费可用vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneGPT-5 NanomediumvsQwen3.5-122B-A10BnoneMercury 2mediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneMercury 2mediumvsQwen3.5-122B-A10BnoneGPT-5.4nonevsGrok 4.1 FastmediumNemotron 3 Supermedium免费可用vsGPT-5.4none