AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | GPT-5.5 GPT-5.5 low | Qwen3.6 Flash Qwen3.6 Flash medium |
|---|---|---|
| 分数 | 9.0 | 8.1 |
| 排名 | #5 | #24 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 87.0% | 79.6% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 4.534 | 1.449 |
| 总成本 | $0.681 | $0.174 |
| ???? | $5.000 / 1M | $0.250 / 1M |
| ???? | $30.000 / 1M | $1.500 / 1M |
| 输出令牌 | 1,959 | 2,804 |
| 推理令牌 | 16,134 | 107,210 |
| 响应时间（平均） | 8.39s | 9.90s |
| 响应时间（最大） | 56.19s | 26.85s |
| 响应时间（总计） | 151.01s | 178.26s |
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 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.10s | 624 | 14,024 |
| 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 Flash | 6.7 | 3.5 | 66.7% | 1 | 25.84s | 435 | 17,044 |
| 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 Flash | 10.0 | 10.0 | 100.0% | 0 | 20.28s | 483 | 13,839 |
| 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 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.65s | 270 | 13,155 |
| 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 Flash | 3.5 | 4.4 | 33.3% | 2 | 14.65s | 60 | 24,409 |
| 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 Flash | 4.8 | 9.9 | 0.0% | 0 | 9.88s | 140 | 5,445 |
| 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 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.05s | 102 | 7,423 |
| 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 | 9.0 | 7.9 | 88.9% | 1 | 4.48s | 272 | 948 | |
| Qwen3.6 Flash | 8.2 | 7.2 | 88.9% | 1 | 6.17s | 355 | 10,683 |
| 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 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.00s | 335 | 1,188 |
快速对比
切换对比组合
Qwen3.6 FlashmediumvsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsQwen3.6 FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 FlashmediumClaude Opus 4.7nonevsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.2 ChatnonevsQwen3.6 FlashmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.6 FlashmediumGPT-5.5lowvsQwen3.6 35B A3BmediumDeepSeek V4 FlashhighvsQwen3.6 FlashmediumQwen3.6 FlashmediumvsHY3 Previewhigh免费可用Seed-2.0-LitemediumvsGPT-5.5low