AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Max Preview
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 Max Preview Qwen3.6 Max Preview none |
|---|---|---|
| 分数 | 9.0 | 7.3 |
| 排名 | #5 | #56 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 87.0% | 66.7% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 4.534 | 0.827 |
| 总成本 | $0.681 | $0.083 |
| ???? | $5.000 / 1M | $1.300 / 1M |
| ???? | $30.000 / 1M | $7.800 / 1M |
| 输出令牌 | 1,959 | 4,732 |
| 推理令牌 | 16,134 | 0 |
| 响应时间（平均） | 8.39s | 3.38s |
| 响应时间（最大） | 56.19s | 20.51s |
| 响应时间（总计） | 151.01s | 60.83s |
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 Max Preview | 5.2 | 7.9 | 41.7% | 1 | 2.63s | 513 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 7.79s | 369 | 936 | |
| Qwen3.6 Max Preview | 5.0 | 2.0 | 66.7% | 1 | 3.45s | 426 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 303 | 717 | |
| Qwen3.6 Max Preview | 3.0 | 10.0 | 0.0% | 0 | 20.51s | 2,842 | 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 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 5.3 | 10.0 | 33.3% | 0 | 27.57s | 69 | 11,731 | |
| Qwen3.6 Max Preview | 7.7 | 10.0 | 66.7% | 0 | 1.22s | 18 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.45s | 143 | 132 | |
| Qwen3.6 Max Preview | 4.3 | 10.0 | 0.0% | 0 | 1.62s | 76 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 9.9 | 10.0 | 100.0% | 0 | 2.98s | 93 | 356 | |
| Qwen3.6 Max Preview | 8.4 | 6.9 | 83.3% | 1 | 1.45s | 69 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 9.0 | 7.9 | 88.9% | 1 | 4.48s | 272 | 948 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 2.38s | 323 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 250 | 101 | |
| Qwen3.6 Max Preview | 10.0 | 10.0 | 100.0% | 0 | 5.27s | 222 | 0 |
快速对比
切换对比组合
GPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.7nonevsGPT-5.5lowSeed-2.0-MinimediumvsQwen3.6 Max PreviewnoneClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneGPT-5.5lowvsQwen3.6 Max PreviewmediumGPT-5.5lowvsQwen3.6 35B A3BmediumClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneGPT-5 MinimediumvsQwen3.6 Max PreviewnoneKimi K2.5mediumvsQwen3.6 Max Previewnone