AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen3.6 Plus Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | GPT-5.4 GPT-5.4 none | Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 免费可用 |
|---|---|---|
| 分数 | 5.9 | 8.5 |
| 排名 | #65 | #9 |
| 一致性 | 9.1 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 42.6% | 76.5% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 54 | 49 |
| 每个结果成本 | 1.477 | 0.000 |
| 总成本 | $0.104 | $0.000 |
| ???? | $2.500 / 1M | $0.000 / 1M |
| ???? | $15.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,317 | 1,756 |
| 推理令牌 | 0 | 77,213 |
| 响应时间（平均） | 1.51s | 13.94s |
| 响应时间（最大） | 2.95s | 43.55s |
| 响应时间（总计） | 27.21s | 237.01s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 406 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.95s | 480 | 0 | |
| Qwen3.6 Plus Preview | - | - | - | - | - | - | - | - |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 222 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 50 | 0 | |
| Qwen3.6 Plus Preview | 3.0 | 10.0 | 0.0% | 0 | 22.08s | 49 | 26,895 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 184 | 0 | |
| Qwen3.6 Plus Preview | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.52s | 357 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 298 | 6,868 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGemini 3 Flash PreviewnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3 Flash PreviewlowvsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plus Previewmedium免费可用GPT-5.2 ChatnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plus Previewmedium免费可用Mercury 2mediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneGPT-5.4nonevsElephantmediumClaude Opus 4.7nonevsQwen3.6 Plus Previewmedium免费可用GPT-5.4nonevsGrok 4.1 Fastmedium