#7 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.5-122B-A10B
摘要
GPT-5.5 (low) vs Qwen3.5-122B-A10B (medium) benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 7.7。 Qwen3.5-122B-A10B (medium) benchmark 成本更低，为 $0.588 vs $0.907。 GPT-5.5 (low) 更快，为 9.76s vs 42.49s，通过率为 85.7% vs 73.0%。
推荐模型: GPT-5.5 (low) - 它在这里得分最高（9.3），同时响应速度比Qwen3.5-122B-A10B (medium)快约 4.4 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10
| 指标 | GPT-5.5 GPT-5.5 low | Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium |
|---|---|---|
| 分数 | 9.3 | 7.7 |
| 排名 | #7 | #45 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 85.7% | 73.0% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 5.035 | 5.235 |
| 总成本 | $0.907 | $0.588 |
| 输入价格 | $5.000 / 1M | $0.260 / 1M |
| 输出价格 | $30.000 / 1M | $2.080 / 1M |
| 总输入令牌 | 34,209 | 41,832 |
| 输出令牌 | 2,046 | 26,187 |
| 推理令牌 | 22,460 | 251,028 |
| 响应时间（平均） | 9.76s | 42.49s |
| 响应时间（最大） | 56.19s | 168.16s |
| 响应时间（总计） | 204.92s | 892.30s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#45 Qwen3.5-122B-A10B
medium- 成本
- $0.019
- 时间
- 48.7s
- 令牌
- 6,034 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 9.75s | 672 | 269 | 16,835 |
| 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 | |
| Qwen3.5-122B-A10B | 6.0 | 7.2 | 55.6% | 1 | 114.48s | 7,630 | 8,057 | 82,578 |
| 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 107.79s | 14,947 | 483 | 11,337 |
| 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 23.41s | 7,782 | 270 | 16,558 |
| 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 | |
| Qwen3.5-122B-A10B | 2.9 | 7.2 | 11.1% | 1 | 63.40s | 771 | 15,537 | 64,889 |
| 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 | |
| Qwen3.5-122B-A10B | 3.4 | 2.2 | 33.3% | 1 | 34.11s | 344 | 66 | 7,592 |
| 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 9.88s | 593 | 77 | 7,372 |
| 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 17.89s | 696 | 284 | 27,575 |
| 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 4.60s | 8,193 | 322 | 1,226 |
| 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 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 52.87s | 204 | 822 | 15,066 |
快速对比
切换对比组合
Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumGPT-5.6 TerralowvsQwen3.5-122B-A10BmediumGPT-5.5lowvsQwen3.7 MaxmediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowDeepSeek V4 ProhighvsQwen3.5-122B-A10BmediumGemini 3.5 FlashmediumvsGPT-5.5lowGPT-5.3 ChatnonevsQwen3.5-122B-A10BmediumGemini 3 Flash PreviewmediumvsGPT-5.5low