#9 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Flash
GPT-5.5 (low) 平均分领先，为 9.3 vs 6.1。 Qwen3.6 Flash benchmark 成本更低，为 $0.062 vs $1.253。 Qwen3.6 Flash 更快，为 3.74s vs 10.13s，通过率为 86.4% vs 34.9%。
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：: 2026-07-25
| 指标 | GPT-5.5 GPT-5.5 low | Qwen3.6 Flash Qwen3.6 Flash none |
|---|---|---|
| 分数 | 9.3 | 6.1 |
| 排名 | #9 | #135 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 86.4% | 34.9% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.594 | 0.935 |
| 总成本 | $1.253 | $0.062 |
| 输入价格 | $5.000 / 1M | $0.188 / 1M |
| 输出价格 | $30.000 / 1M | $1.125 / 1M |
| 总输入令牌 | 80,058 | 139,788 |
| 输出令牌 | 5,378 | 30,947 |
| 推理令牌 | 23,040 | 0 |
| 响应时间（平均） | 10.13s | 3.74s |
| 响应时间（最大） | 56.19s | 48.79s |
| 响应时间（总计） | 222.82s | 82.38s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#135 Qwen3.6 Flash
none- 成本
- $0.005
- 时间
- 20.1s
- 令牌
- 4,211 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 | |
| Qwen3.6 Flash | 3.1 | 10.0 | 0.0% | 0 | 1.63s | 696 | 1,554 | 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 | |
| Qwen3.6 Flash | 5.4 | 10.0 | 33.3% | 0 | 1.79s | 6,488 | 889 | 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 | 13.73s | 56,868 | 3,635 | 1,297 | |
| Qwen3.6 Flash | 3.8 | 5.8 | 33.3% | 1 | 26.50s | 113,653 | 27,098 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.13s | 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 | |
| Qwen3.6 Flash | 5.3 | 10.0 | 33.3% | 0 | 1.11s | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 947ms | 522 | 132 | 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 | |
| Qwen3.6 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.10s | 711 | 66 | 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 | |
| Qwen3.6 Flash | 3.5 | 10.0 | 0.0% | 0 | 1.21s | 714 | 669 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.49s | 8,211 | 272 | 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 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 649ms | 210 | 9 | 0 |
快速对比
切换对比组合
Qwen3.6 FlashnonevsInklinglowgpt-oss-120bmediumvsQwen3.6 FlashnoneGPT-5 NanomediumvsQwen3.6 FlashnoneGemini 3.1 Flash LiteminimalvsQwen3.6 FlashnoneQwen3.6 FlashnonevsStep 3.5 FlashmediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 5highvsGPT-5.5lowGPT-5.6 LunalowvsQwen3.6 FlashnoneClaude Opus 5mediumvsGPT-5.5lowGPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashmediumvsGPT-5.5lowGemma 4 31Bmedium免费可用vsQwen3.6 Flashnone