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-5.5 vs OpenAI: GPT-5.6 Terra

摘要

GPT-5.5 (low) vs GPT-5.6 Terra (medium) benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 7.8。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.496 vs $0.907。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 9.76s，通过率为 85.7% vs 68.3%。

推荐模型: GPT-5.5 (low) - 它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数 9.3 7.8
排名 #7 #37
可靠性 10.0 10.0
一致性 10.0 9.2
测试正确
尝试通过率 85.7% 68.3%
不稳定测试 0 2
总运行次数 63 63
每个结果成本 5.035 3.815
总成本 $0.907 $0.496
输入价格 $5.000 / 1M $2.500 / 1M
输出价格 $30.000 / 1M $15.000 / 1M
总输入令牌 34,209 34,218
输出令牌 2,046 1,982
推理令牌 22,460 25,370
响应时间（平均） 9.76s 6.69s
响应时间（最大） 56.19s 41.68s
响应时间（总计） 204.92s 140.49s

生成展示

Hamster playing table tennis

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

#7 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 tok

#37 GPT-5.6 Terra

medium
成本
$0.035
时间
16.3s
令牌
2,418 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
GPT-5.6 Terra 8.3 10.0 75.0% 0 2.22s 606 172 657
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
GPT-5.6 Terra 6.1 7.2 55.6% 1 7.19s 7,302 427 4,527
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
GPT-5.6 Terra 10.0 10.0 100.0% 0 6.26s 11,019 316 540
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
GPT-5.6 Terra 10.0 10.0 100.0% 0 872ms 7,140 222 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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
GPT-5.6 Terra 5.3 10.0 33.3% 0 23.45s 723 70 15,327
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
GPT-5.6 Terra 5.5 10.0 0.0% 0 2.37s 477 133 144
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
GPT-5.6 Terra 10.0 10.0 100.0% 0 1.43s 660 89 261
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
GPT-5.6 Terra 8.4 7.4 88.9% 1 3.78s 642 272 1,462
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
GPT-5.6 Terra 10.0 10.0 100.0% 0 5.09s 5,454 254 246
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
GPT-5.6 Terra 3.0 10.0 0.0% 0 10.05s 195 27 2,206

快速对比

切换对比组合

GPT-5.6 TerramediumvsGrok 4.5lowGPT-5.5lowvsQwen3.7 MaxmediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.6 TerramediumvsStep 3.7 FlashlowGemini 3.5 FlashmediumvsGPT-5.5lowDeepSeek V4 ProhighvsGPT-5.6 TerramediumGemini 3 Flash PreviewmediumvsGPT-5.5lowDeepSeek V4 FlashhighvsGPT-5.6 TerramediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3 Flash PreviewlowvsGPT-5.6 Terramedium