OpenAI: GPT-5.4 vs Qwen: Qwen3.5 Plus 2026-04-20

Qwen3.5 Plus 2026-04-20 平均分领先，为 6.1 vs 5.8。 Qwen3.5 Plus 2026-04-20 benchmark 成本更低，为 $0.122 vs $0.397。 GPT-5.4 更快，为 2.07s vs 13.56s，通过率为 34.9% vs 43.9%。

推荐模型Qwen3.5 Plus 2026-04-20它在这里得分最高（6.1），同时成本比GPT-5.4低约 3.3 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 发布日期: 2026-03-05	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none 发布日期: 2026-04-20

指标	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05	Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none 发布日期: 2026-04-20
分数	5.8	6.1
排名	#135	#122
可靠性	10.0	10.0
一致性	9.2	8.7
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	1.636
总成本	$0.397	$0.122
输入价格	$2.500 / 1M	$0.300 / 1M
输出价格	$15.000 / 1M	$1.800 / 1M
总输入令牌	108,632	94,468
输出令牌	8,321	51,487
推理令牌	0	0
响应时间（平均）	2.07s	13.56s
响应时间（最大）	15.63s	206.05s
响应时间（总计）	45.51s	298.31s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#135 GPT-5.4

none

成本: $0.026
时间: 18.1s
令牌: 1,792 tok

#122 Qwen3.5 Plus 2026-04-20

none

成本: $0.008
时间: 77.0s
令牌: 4,369 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

类别:

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 Plus 2026-04-20	4.8	10.0	25.0%	0		1.88s	696	557	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 Plus 2026-04-20	3.9	7.8	11.1%	1		1.69s	7,913	480	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 Plus 2026-04-20	6.4	5.8	66.7%	1		109.69s	66,908	42,617	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 Plus 2026-04-20	10.0	10.0	100.0%	0		2.82s	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 Plus 2026-04-20	5.3	10.0	33.3%	0		4.43s	789	18	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 Plus 2026-04-20	4.8	10.0	0.0%	0		1.41s	522	119	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 Plus 2026-04-20	6.2	5.8	66.7%	1		1.17s	711	68	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 Plus 2026-04-20	6.7	7.9	55.6%	1		1.97s	714	583	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 Plus 2026-04-20	10.0	10.0	100.0%	0		4.42s	8,211	297	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 Plus 2026-04-20	3.0	10.0	0.0%	0		33.34s	210	6,505	0

快速对比

切换对比组合