AI BENCHY 对比
OpenAI: GPT-5.5 vs Tencent: Hy3 preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | GPT-5.5 GPT-5.5 low | Hy3 preview Hy3 preview high |
|---|---|---|
| 分数 | 8.9 | 8.0 |
| 排名 | #10 | #27 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 84.2% | 77.1% |
| 不稳定测试 | 0 | 1 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 4.412 | 0.000 |
| 总成本 | $0.706 | $0.000 |
| ???? | $5.000 / 1M | $0.066 / 1M |
| ???? | $30.000 / 1M | $0.260 / 1M |
| 输出令牌 | 2,008 | 216,503 |
| 推理令牌 | 16,914 | 0 |
| 响应时间（平均） | 8.80s | 56.77s |
| 响应时间（最大） | 56.19s | 149.94s |
| 响应时间（总计） | 167.26s | 851.49s |
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 | |
| Hy3 preview | 8.9 | 10.0 | 100.0% | 0 | 15.12s | 6,839 | 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 | |
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 99.76s | 38,167 | 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 | |
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 113.09s | 31,319 | 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 | |
| Hy3 preview | 6.5 | 10.0 | 50.0% | 0 | 12.11s | 4,323 | 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 | |
| Hy3 preview | 5.3 | 7.2 | 44.4% | 1 | 109.04s | 87,559 | 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 | 7.14s | 146 | 170 | |
| Hy3 preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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 | |
| Hy3 preview | 9.9 | 10.0 | 100.0% | 0 | 34.02s | 13,331 | 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 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 274 | 895 | |
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 29.74s | 15,503 | 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 | |
| Hy3 preview | 10.0 | 10.0 | 100.0% | 0 | 78.83s | 10,370 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 30 | 840 | |
| Hy3 preview | 3.0 | 10.0 | 0.0% | 0 | 47.71s | 9,092 | 0 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsGPT-5.5lowGemini 3.5 FlashnonevsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 PRO PreviewmediumvsGPT-5.5lowSeed-2.0-LitemediumvsGPT-5.5lowGPT-5.5lowvsQwen3.5 Plus 2026-02-15mediumGemma 4 31Bmedium免费可用vsGPT-5.5lowGemini 3.5 FlashminimalvsGPT-5.5lowGPT-5.5lowvsQwen3.5-27BmediumGPT-5.5lowvsMiMo-V2.5-PromediumGemini 3.5 FlashhighvsGPT-5.5low