导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.4 vs Qwen: Qwen3.6 35B A3B

摘要

GPT-5.4 vs Qwen3.6 35B A3B benchmark 对比：GPT-5.4 平均分领先，为 5.5 vs 4.6。 Qwen3.6 35B A3B benchmark 成本更低，为 $0.031 vs $0.122。 GPT-5.4 更快，为 1.42s vs 3.73s，通过率为 36.5% vs 30.2%。

推荐模型: GPT-5.4 - 它在这里得分最高（5.5），同时响应速度比Qwen3.6 35B A3B快约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05 Qwen3.6 35B A3B Qwen3.6 35B A3B none 发布日期: 2026-04-20
分数 5.5 4.6
排名 #126 #154
可靠性 10.0 10.0
一致性 9.2 8.0
测试正确
尝试通过率 36.5% 30.2%
不稳定测试 2 5
总运行次数 63 63
每个结果成本 1.740 0.754
总成本 $0.122 $0.031
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 34,212 19,329
输出令牌 2,417 27,755
推理令牌 0 0
响应时间（平均） 1.42s 3.73s
响应时间（最大） 2.95s 22.52s
响应时间（总计） 29.87s 70.86s

Generation showcase

Hamster playing table tennis

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

#126 GPT-5.4

none
Cost
$0.026
Time
18.1s
Tokens
1,792 tok

#154 Qwen3.6 35B A3B

none
Cost
$0.008
Time
30.1s
Tokens
6,317 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
Qwen3.6 35B A3B 3.6 7.6 16.7% 1 2.10s 696 1,571 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
Qwen3.6 35B A3B 5.5 10.0 33.3% 0 8.77s 7,911 11,161 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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 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
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 1.46s 7,788 248 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
Qwen3.6 35B A3B 3.5 4.4 33.3% 2 7.45s 781 11,381 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
Qwen3.6 35B A3B 4.4 3.0 33.3% 1 3.51s 520 1,545 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
Qwen3.6 35B A3B 6.2 5.8 66.7% 1 1.86s 709 1,264 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
Qwen3.6 35B A3B 3.2 9.9 0.0% 0 1.07s 714 573 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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 414ms 210 12 0

快速对比

切换对比组合

MiniMax M2.5mediumvsGPT-5.4noneCobuddymediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneQwen3.6 35B A3BnonevsGLM 4.7 FlashmediumNemotron 3 Supermedium免费可用vsGPT-5.4noneDeepSeek V4 ProhighvsGPT-5.4noneMistral Small 4mediumvsQwen3.6 35B A3BnoneMiniMax M2.7mediumvsQwen3.6 35B A3BnoneMiniMax M2.5mediumvsQwen3.6 35B A3BnoneGPT-5.4nonevsQwen3 Coder NextmediumGemini 3.1 Flash LiteminimalvsGPT-5.4none