导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Max Preview

摘要

GPT-5.5 vs Qwen3.6 Max Preview benchmark 对比：GPT-5.5 平均分领先，为 8.8 vs 8.5。 Qwen3.6 Max Preview benchmark 成本更低，为 $0.960 vs $3.679。 GPT-5.5 更快，为 37.98s vs 59.63s，通过率为 87.3% vs 81.0%。

推荐模型: Qwen3.6 Max Preview - 它的得分接近这里的最高分（8.5 vs 8.8），同时成本比GPT-5.5低约 3.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24 Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20
分数 8.8 8.5
排名 #9 #15
可靠性 10.0 10.0
一致性 8.9 9.3
测试正确
尝试通过率 87.3% 81.0%
不稳定测试 3 2
总运行次数 63 63
每个结果成本 21.638 7.024
总成本 $3.679 $0.960
输入价格 $5.000 / 1M $1.040 / 1M
输出价格 $30.000 / 1M $6.240 / 1M
总输入令牌 34,212 42,362
输出令牌 1,985 2,273
推理令牌 114,925 144,367
响应时间（平均） 37.98s 59.63s
响应时间（最大） 332.10s 238.07s
响应时间（总计） 797.60s 1252.17s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#9 GPT-5.5

medium
Cost
$0.112
Time
71.9s
Tokens
3,807 tok

#15 Qwen3.6 Max Preview

medium
Cost
$0.024
Time
76.5s
Tokens
3,861 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 4.66s 606 250 1,335
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 22.13s 672 228 10,075
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 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
Qwen3.6 Max Preview 8.8 7.8 88.9% 1 146.48s 7,895 427 52,957
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 19.29s 11,019 312 2,841
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 121.49s 14,934 390 14,575
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 4.18s 7,140 234 593
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 41.15s 7,782 270 10,106
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 7.2 44.4% 1 164.14s 723 67 79,625
Qwen3.6 Max Preview 2.9 7.2 11.1% 1 95.91s 771 60 30,371
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 4.16s 477 138 223
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 32.24s 516 129 3,510
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 10.0 10.0 100.0% 0 3.36s 660 93 538
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.31s 699 103 5,848
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 6.76s 642 241 2,225
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.32s 696 329 7,693
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 10.57s 5,445 258 832
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 18.32s 8,193 309 1,571
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 2.8 1.6 33.3% 1 37.86s 195 30 1,754
Qwen3.6 Max Preview 3.0 10.0 0.0% 0 60.56s 204 28 7,661

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashnonevsQwen3.6 Max PreviewmediumGemini 3 Flash PreviewlowvsGPT-5.5mediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashlowvsGPT-5.5mediumGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumGemini 3.5 FlashnonevsGPT-5.5mediumDeepSeek V4 FlashhighvsQwen3.6 Max PreviewmediumGemini 3.5 FlashminimalvsQwen3.6 Max PreviewmediumGemini 3.5 FlashhighvsGPT-5.5mediumGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumDeepSeek V4 FlashhighvsGPT-5.5medium