AI BENCHY 对比
OpenAI: GPT-5.4 vs Qwen: Qwen3 Coder Next
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | GPT-5.4 GPT-5.4 none | Qwen3 Coder Next Qwen3 Coder Next medium |
|---|---|---|
| 分数 | 5.6 | 4.7 |
| 排名 | #121 | #147 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 38.3% | 30.0% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.644 | 0.193 |
| 总成本 | $0.116 | $0.008 |
| 输入价格 | $2.500 / 1M | $0.110 / 1M |
| 输出价格 | $15.000 / 1M | $0.800 / 1M |
| 总输入令牌 | 31,593 | 44,607 |
| 输出令牌 | 2,402 | 3,310 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.45s | 9.16s |
| 响应时间（最大） | 2.95s | 81.80s |
| 响应时间（总计） | 29.00s | 128.25s |
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 Coder Next | 3.5 | 8.1 | 16.7% | 1 | 8.64s | 645 | 1,252 | 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 | 6.8 | 10.0 | 50.0% | 0 | 1.99s | 4,686 | 501 | 0 | |
| Qwen3 Coder Next | 4.1 | 5.8 | 33.3% | 1 | 1.17s | 4,542 | 327 | 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 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 4.28s | 20,469 | 317 | 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 Coder Next | 6.5 | 10.0 | 50.0% | 0 | 81.80s | 7,758 | 246 | 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 Coder Next | 5.3 | 10.0 | 33.3% | 0 | 638ms | 753 | 25 | 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 Coder Next | 6.3 | 3.4 | 66.7% | 1 | 1.39s | 498 | 142 | 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 Coder Next | 6.3 | 10.0 | 50.0% | 0 | 7.49s | 684 | 63 | 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 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 1.25s | 678 | 671 | 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 Coder Next | 10.0 | 10.0 | 100.0% | 0 | 2.64s | 8,364 | 255 | 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 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 399ms | 216 | 12 | 0 |
快速对比
切换对比组合
Trinity Large PreviewnonevsQwen3 Coder NextmediumGPT-5.4 NanononevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2-FlashnoneMiniMax M2.5mediumvsGPT-5.4noneGPT-4o-mininonevsQwen3 Coder NextmediumMercury 2nonevsQwen3 Coder NextmediumCobuddymediumvsGPT-5.4noneMiniMax M2.7mediumvsGPT-5.4noneMistral Small 4mediumvsGPT-5.4noneGPT-5.4 MininonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2.5noneMistral Small 4nonevsQwen3 Coder Nextmedium