AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 35B A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | GPT-5.5 GPT-5.5 low | Qwen3.6 35B A3B Qwen3.6 35B A3B medium |
|---|---|---|
| 分数 | 9.2 | 8.4 |
| 排名 | #4 | #19 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 88.9% | 79.2% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 4.251 | 0.866 |
| 总成本 | $0.681 | $0.104 |
| ???? | $5.000 / 1M | $0.150 / 1M |
| ???? | $30.000 / 1M | $1.000 / 1M |
| 输出令牌 | 1,959 | 14,256 |
| 推理令牌 | 16,134 | 98,005 |
| 响应时间（平均） | 8.39s | 11.98s |
| 响应时间（最大） | 56.19s | 45.02s |
| 响应时间（总计） | 151.01s | 191.76s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.15s | 232 | 1,056 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 6.02s | 1,154 | 12,385 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.79s | 369 | 936 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 32.58s | 3,294 | 15,116 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 303 | 717 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 228 | 157 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 12.99s | 2,591 | 9,968 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 5.3 | 10.0 | 33.3% | 0 | 27.57s | 69 | 11,731 | |
| Qwen3.6 35B A3B | 5.3 | 7.2 | 44.4% | 1 | 22.50s | 6,193 | 39,116 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.45s | 143 | 132 | |
| Qwen3.6 35B A3B | 4.4 | 9.9 | 0.0% | 0 | 8.66s | 129 | 4,569 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 9.9 | 10.0 | 100.0% | 0 | 2.98s | 93 | 356 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 7.50s | 219 | 7,404 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.48s | 272 | 948 | |
| Qwen3.6 35B A3B | 7.9 | 7.5 | 77.8% | 1 | 5.98s | 676 | 9,447 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 250 | 101 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7nonevsGPT-5.5lowQwen3.6 35B A3BmediumvsHY3 Previewhigh免费可用Qwen3.6 35B A3BmediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3BmediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3 Flash PreviewlowvsQwen3.6 35B A3BmediumGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash LitelowvsQwen3.6 35B A3Bmedium