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 Qwen: Qwen3.5-Flash

摘要

GPT-5.5 (low) vs Qwen3.5-Flash benchmark 对比：GPT-5.5 (low) 平均分领先，为 9.3 vs 6.1。 Qwen3.5-Flash benchmark 成本更低，为 $0.005 vs $0.907。 Qwen3.5-Flash 更快，为 3.58s vs 9.76s，通过率为 85.7% vs 39.7%。

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：: 2026-07-10

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 Qwen3.5-Flash Qwen3.5-Flash none 发布日期: 2026-02-24
分数 9.3 6.1
排名 #7 #113
可靠性 10.0 10.0
一致性 10.0 9.7
测试正确
尝试通过率 85.7% 39.7%
不稳定测试 0 1
总运行次数 63 63
每个结果成本 5.035 0.075
总成本 $0.907 $0.005
输入价格 $5.000 / 1M $0.065 / 1M
输出价格 $30.000 / 1M $0.260 / 1M
总输入令牌 34,209 46,439
输出令牌 2,046 4,276
推理令牌 22,460 0
响应时间（平均） 9.76s 3.58s
响应时间（最大） 56.19s 27.18s
响应时间（总计） 204.92s 75.28s

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

#113 Qwen3.5-Flash

none
成本
$0.003
时间
47.4s
令牌
7,799 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-Flash 3.5 8.3 8.3% 1 1.32s 696 690 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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Qwen3.5-Flash 5.5 10.0 33.3% 0 850ms 7,913 519 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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Qwen3.5-Flash 3.0 10.0 0.0% 0 6.22s 18,879 1,794 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-Flash 10.0 10.0 100.0% 0 1.57s 7,794 243 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
Qwen3.5-Flash 7.7 10.0 66.7% 0 905ms 789 15 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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Qwen3.5-Flash 10.0 10.0 100.0% 0 803ms 522 100 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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Qwen3.5-Flash 6.3 10.0 50.0% 0 8.81s 711 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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Qwen3.5-Flash 3.1 10.0 0.0% 0 10.89s 714 579 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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Qwen3.5-Flash 10.0 10.0 100.0% 0 3.67s 8,211 264 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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Qwen3.5-Flash 3.0 10.0 0.0% 0 588ms 210 9 0

快速对比

切换对比组合

Gemini 3.1 Flash LiteminimalvsQwen3.5-FlashnoneGPT-5.5lowvsQwen3.7 MaxmediumGPT-5.6 LunalowvsQwen3.5-FlashnoneClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemma 4 31Bmedium免费可用vsQwen3.5-FlashnoneNemotron 3 Supermedium免费可用vsQwen3.5-FlashnoneNorth Mini Codemedium免费可用vsQwen3.5-FlashnoneGemini 3 Flash PreviewmediumvsGPT-5.5lowGemini 3.1 Flash LitelowvsQwen3.5-FlashnoneGemini 3.1 Flash Lite PreviewlowvsQwen3.5-Flashnone