AI BENCHY 对比

OpenAI: GPT-5.5 vs Qwen: Qwen3.5-35B-A3B

摘要

GPT-5.5 (low) vs Qwen3.5-35B-A3B (medium) benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 6.3。 Qwen3.5-35B-A3B (medium) benchmark 成本更低，为 $0.401 vs $0.907。 GPT-5.5 (low) 更快，为 9.76s vs 72.57s，通过率为 85.7% vs 69.8%。

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Qwen3.5-35B-A3B (medium)快约 7.4 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 发布日期: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24
分数	9.3	6.3
排名	#7	#104
可靠性	10.0	10.0
一致性	10.0	7.5
测试正确
尝试通过率	85.7%	69.8%
不稳定测试	0	6
总运行次数	63	63
每个结果成本	5.035	5.162
总成本	$0.907	$0.401
输入价格	$5.000 / 1M	$0.140 / 1M
输出价格	$30.000 / 1M	$1.000 / 1M
总输入令牌	34,209	42,196
输出令牌	2,046	40,630
推理令牌	22,460	353,577
响应时间（平均）	9.76s	72.57s
响应时间（最大）	56.19s	409.98s
响应时间（总计）	204.92s	1524.04s

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

#104 Qwen3.5-35B-A3B

medium

成本: $0.009
时间: 71.4s
令牌: 8,631 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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

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
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

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
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

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
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

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
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

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
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

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
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

快速对比

切换对比组合