AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Plus
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | GPT-5.5 GPT-5.5 low | Qwen3.6 Plus Qwen3.6 Plus medium |
|---|---|---|
| 分数 | 8.9 | 7.9 |
| 排名 | #6 | #28 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 84.2% | 70.2% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 4.412 | 0.118 |
| 总成本 | $0.706 | $0.016 |
| ???? | $5.000 / 1M | $0.325 / 1M |
| ???? | $30.000 / 1M | $1.950 / 1M |
| 输出令牌 | 2,008 | 1,784 |
| 推理令牌 | 16,914 | 91,543 |
| 响应时间（平均） | 8.80s | 17.06s |
| 响应时间（最大） | 56.19s | 47.51s |
| 响应时间（总计） | 167.26s | 307.07s |
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 | 4.43s | 246 | 1,011 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 |
| 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 Plus | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 |
| 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 Plus | 2.9 | 7.2 | 11.1% | 1 | 29.59s | 56 | 33,464 |
| 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 | 7.14s | 146 | 170 | |
| Qwen3.6 Plus | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 |
| 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 | 4.94s | 274 | 895 | |
| Qwen3.6 Plus | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 298 | 6,868 |
| 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 Plus | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 30 | 840 | |
| Qwen3.6 Plus | 3.0 | 10.0 | 0.0% | 0 | 47.51s | 21 | 7,761 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsQwen3.6 PlusmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 PlusmediumClaude Opus 4.7mediumvsGPT-5.5lowGemini 3.1 Flash Lite PreviewnonevsQwen3.6 PlusmediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemini 3.1 Flash LitelowvsQwen3.6 PlusmediumGPT-5.3 ChatnonevsQwen3.6 PlusmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumDeepSeek V4 FlashhighvsQwen3.6 PlusmediumGemini 3 PRO PreviewmediumvsGPT-5.5lowSeed-2.0-LitemediumvsGPT-5.5lowGPT-5.5lowvsQwen3.5 Plus 2026-02-15medium