#112 GPT-5.4
none- 成本
- $0.026
- 时间
- 18.1s
- 令牌
- 1,792 tok
AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-9B
摘要
GPT-5.4 vs Qwen3.5-9B benchmark 对比：GPT-5.4 平均分领先，为 5.8 vs 5.1。 Qwen3.5-9B benchmark 成本更低，为 $0.006 vs $0.122。 GPT-5.4 更快，为 1.42s vs 1.89s，通过率为 36.5% vs 20.6%。
推荐模型: Qwen3.5-9B - 它的得分接近这里的最高分（5.1 vs 5.8），同时成本比GPT-5.4低约 22.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18
| 指标 | GPT-5.4 GPT-5.4 none | Qwen3.5-9B Qwen3.5-9B none |
|---|---|---|
| 分数 | 5.8 | 5.1 |
| 排名 | #112 | #135 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 36.5% | 20.6% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 1.740 | 0.123 |
| 总成本 | $0.122 | $0.006 |
| 输入价格 | $2.500 / 1M | $0.100 / 1M |
| 输出价格 | $15.000 / 1M | $0.150 / 1M |
| 总输入令牌 | 34,212 | 48,041 |
| 输出令牌 | 2,417 | 3,952 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.42s | 1.89s |
| 响应时间（最大） | 2.95s | 6.03s |
| 响应时间（总计） | 29.87s | 39.68s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#135 Qwen3.5-9B
none
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 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 | |
| Qwen3.5-9B | 3.1 | 9.9 | 0.0% | 0 | 1.71s | 696 | 582 | 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 | |
| Qwen3.5-9B | 3.9 | 7.8 | 11.1% | 1 | 5.60s | 7,913 | 1,042 | 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 | 2.89s | 11,019 | 291 | 0 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 5.91s | 20,397 | 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 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 847ms | 7,788 | 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 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 464ms | 789 | 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 | |
| Qwen3.5-9B | 4.4 | 9.9 | 0.0% | 0 | 552ms | 522 | 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 | |
| Qwen3.5-9B | 6.5 | 10.0 | 50.0% | 0 | 514ms | 711 | 75 | 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 | |
| Qwen3.5-9B | 3.2 | 10.0 | 0.0% | 0 | 621ms | 714 | 347 | 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 | |
| Qwen3.5-9B | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 8,301 | 273 | 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 | |
| Qwen3.5-9B | 3.0 | 10.0 | 0.0% | 0 | 2.32s | 210 | 6 | 0 |
快速对比
切换对比组合
Mistral Small 4mediumvsQwen3.5-9BnoneNorth Mini Codemedium免费可用vsGPT-5.4noneMiniMax M2.7mediumvsQwen3.5-9BnoneCobuddymediumvsQwen3.5-9BnoneGemini 3.1 Flash LiteminimalvsGPT-5.4noneMiniMax M2.5mediumvsQwen3.5-9BnoneGPT-5.4nonevsQwen3.5-35B-A3BmediumGemma 4 31Bmedium免费可用vsGPT-5.4noneNemotron 3 Supermedium免费可用vsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneGemini 3.1 Flash LitelowvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4none