导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.5 vs Qwen: Qwen3.5-9B

摘要

GPT-5.5 vs Qwen3.5-9B benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 3.8。 Qwen3.5-9B benchmark 成本更低，为 $0.036 vs $0.907。 GPT-5.5 更快，为 9.76s vs 82.24s，通过率为 85.7% vs 27.0%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比Qwen3.5-9B快约 8.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 Qwen3.5-9B Qwen3.5-9B medium 发布日期: 2026-03-02
分数 9.3 3.8
排名 #4 #165
可靠性 10.0 6.7
一致性 10.0 8.0
测试正确
尝试通过率 85.7% 27.0%
不稳定测试 0 5
总运行次数 63 63
每个结果成本 5.035 1.187
总成本 $0.907 $0.036
输入价格 $5.000 / 1M $0.100 / 1M
输出价格 $30.000 / 1M $0.150 / 1M
总输入令牌 34,209 17,070
输出令牌 2,046 29,045
推理令牌 22,460 209,516
响应时间（平均） 9.76s 82.24s
响应时间（最大） 56.19s 226.38s
响应时间（总计） 204.92s 1315.88s

生成展示

Hamster playing table tennis

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

#4 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 tok

#165 Qwen3.5-9B

medium
成本
$0.001
时间
35.9s
令牌
3,030 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
Qwen3.5-9B 5.1 5.8 50.0% 2 34.44s 369 2,621 12,411
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
Qwen3.5-9B 2.9 10.0 0.0% 0 100.88s 2,396 7,890 41,129
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
Qwen3.5-9B 3.0 10.0 0.0% 0 0ms 0 0 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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Qwen3.5-9B 3.6 5.6 33.3% 1 87.31s 4,722 1,383 32,113
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
Qwen3.5-9B 3.6 7.2 22.2% 1 137.75s 295 11,549 48,475
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
Qwen3.5-9B 2.8 1.6 33.3% 1 226.38s 180 0 30,695
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
Qwen3.5-9B 6.5 10.0 50.0% 0 5.75s 381 491 1,824
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
Qwen3.5-9B 3.0 10.0 0.0% 0 32.27s 376 1,593 12,026
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
Qwen3.5-9B 10.0 10.0 100.0% 0 4.31s 8,283 444 1,149
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
Qwen3.5-9B 3.0 10.0 0.0% 0 177.02s 68 3,074 29,694

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowgpt-oss-120bnone免费可用vsQwen3.5-9BmediumGranite 4.1 8BnonevsQwen3.5-9BmediumGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowQwen3.5-9BmediumvsGrok 4.20noneClaude Opus 4.7mediumvsGPT-5.5low