AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3.5-Flash
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | OpenAI: GPT-5.4 none 发布日期: 2026-03-05 | Qwen: Qwen3.5-Flash medium 发布日期: 2026-02-24 |
|---|---|---|
| 平均分 | 4.6 | 7.0 |
| 排名 | #44 | #24 |
| 测试正确 | ||
| 一致性 | 8.9 | 7.8 |
| 每个结果成本 | 1.496 | 0.565 |
| 总成本 | $0.090 | $0.057 |
| 尝试通过率 | 44.4% | 82.2% |
| 不稳定测试 | 2 | 4 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 1,635 | 1,708 |
| 推理令牌 | 0 | 131,466 |
| 响应时间（平均） | 1.46s | 72.86s |
| 响应时间（最大） | 2.89s | 234.29s |
| 响应时间（总计） | 21.86s | 1092.84s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 71.35s | 363 | 23,645 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 17.78s | 483 | 8,270 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen: Qwen3.5-Flash | 5.5 | 5.9 | 83.3% | 1 | 56.99s | 235 | 16,237 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen: Qwen3.5-Flash | 4.0 | 7.2 | 44.4% | 1 | 146.50s | 58 | 43,615 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 63.49s | 98 | 14,139 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen: Qwen3.5-Flash | 4.0 | 4.4 | 77.8% | 2 | 56.74s | 162 | 24,276 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen: Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 10.33s | 309 | 1,284 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumMiniMax M2.5mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumGPT-5.3 ChatnonevsQwen3.5-FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGPT-5.2 ChatnonevsQwen3.5-FlashmediumMercury 2mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewhighvsQwen3.5-FlashmediumGemini 3 Flash PreviewlowvsQwen3.5-FlashmediumQwen3.5-FlashmediumvsGLM 5noneGPT-5.4nonevsQwen3.5-35B-A3Bmedium