#135 GPT-5.4
none- 成本
- $0.026
- 时间
- 18.1s
- 令牌
- 1,792 tok
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-35B-A3B
Qwen3.5-35B-A3B 平均分领先，为 6.1 vs 5.8。 Qwen3.5-35B-A3B benchmark 成本更低，为 $0.106 vs $0.397。 GPT-5.4 更快，为 2.07s vs 12.72s，通过率为 34.9% vs 43.9%。
推荐模型Qwen3.5-35B-A3B它在这里得分最高（6.1），同时成本比GPT-5.4低约 3.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18
| 指标 | GPT-5.4 GPT-5.4 none | Qwen3.5-35B-A3B Qwen3.5-35B-A3B none |
|---|---|---|
| 分数 | 5.8 | 6.1 |
| 排名 | #135 | #123 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 34.9% | 43.9% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 5.663 | 1.578 |
| 总成本 | $0.397 | $0.106 |
| 输入价格 | $2.500 / 1M | $0.140 / 1M |
| 输出价格 | $15.000 / 1M | $1.000 / 1M |
| 总输入令牌 | 108,632 | 134,521 |
| 输出令牌 | 8,321 | 86,614 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.07s | 12.72s |
| 响应时间（最大） | 15.63s | 209.15s |
| 响应时间（总计） | 45.51s | 279.90s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#123 Qwen3.5-35B-A3B
none- 成本
- $0.005
- 时间
- 28.4s
- 令牌
- 4,518 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 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 0 | |
| Qwen3.5-35B-A3B | 3.4 | 7.9 | 16.7% | 1 | 1.43s | 696 | 574 | 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 | 5.5 | 10.0 | 33.3% | 0 | 1.62s | 7,305 | 516 | 0 | |
| Qwen3.5-35B-A3B | 5.5 | 10.0 | 33.3% | 0 | 1.39s | 7,808 | 571 | 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 | 3.0 | 10.0 | 0.0% | 0 | 9.26s | 85,439 | 6,195 | 0 | |
| Qwen3.5-35B-A3B | 3.8 | 5.8 | 33.3% | 1 | 128.29s | 107,066 | 84,104 | 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 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 7,140 | 222 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 1.16s | 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 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 723 | 50 | 0 | |
| Qwen3.5-35B-A3B | 7.7 | 10.0 | 66.7% | 0 | 485ms | 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 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 0 | |
| Qwen3.5-35B-A3B | 6.5 | 3.4 | 66.7% | 1 | 1.19s | 522 | 114 | 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 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 0 | |
| Qwen3.5-35B-A3B | 6.3 | 10.0 | 50.0% | 0 | 809ms | 711 | 63 | 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 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 0 | |
| Qwen3.5-35B-A3B | 3.7 | 7.4 | 22.2% | 1 | 1.35s | 714 | 655 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 2.30s | 8,211 | 264 | 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 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 0 | |
| Qwen3.5-35B-A3B | 3.0 | 10.0 | 0.0% | 0 | 493ms | 210 | 11 | 0 |
快速对比
切换对比组合
GPT-5 NanomediumvsQwen3.5-35B-A3BnoneQwen3.5-35B-A3BnonevsInklinglowQwen3.5-35B-A3BnonevsStep 3.5 Flashmediumgpt-oss-120bmediumvsQwen3.5-35B-A3BnoneNemotron 3 Supermedium免费可用vsGPT-5.4noneGemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3BnoneNorth Mini Codemedium免费可用vsGPT-5.4noneGPT-5.6 LunalowvsQwen3.5-35B-A3BnoneKAT-Coder-Air V2.5highvsGPT-5.4noneNorth Mini Codemedium免费可用vsQwen3.5-35B-A3BnoneKAT-Coder-Air V2.5mediumvsGPT-5.4noneGemma 4 31Bmedium免费可用vsQwen3.5-35B-A3Bnone