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 9.0 vs 6.0。 Qwen3.6 Max Preview benchmark 成本更低，为 $0.075 vs $3.679。 Qwen3.6 Max Preview 更快，为 3.30s vs 37.98s，通过率为 87.3% vs 58.7%。

推荐模型: Qwen3.6 Max Preview - 它提供了最佳整体取舍：得分有竞争力（6.0），成本低于GPT-5.5，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20

指标	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24	Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20
分数	9.0	6.0
排名	#9	#100
可靠性	10.0	10.0
一致性	8.9	9.2
测试正确
尝试通过率	87.3%	58.7%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	21.638	0.824
总成本	$3.679	$0.075
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	42,509
输出令牌	1,985	4,779
推理令牌	114,925	0
响应时间（平均）	37.98s	3.30s
响应时间（最大）	332.10s	20.51s
响应时间（总计）	797.60s	69.40s

生成展示

Hamster playing table tennis

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

#9 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 tok

#100 Qwen3.6 Max Preview

none

成本: $0.025
时间: 83.9s
令牌: 4,066 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	5.2	7.9	41.7%	1		2.63s	696	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	3.8	7.3	22.2%	1		3.12s	7,913	456	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		19.29s	11,019	312	2,841
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		20.51s	14,949	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		2.87s	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	7.2	44.4%	1		164.14s	723	67	79,625
Qwen3.6 Max Preview	7.7	10.0	66.7%	0		1.22s	789	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	4.3	10.0	0.0%	0		1.62s	522	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	9.8	10.0	100.0%	0		1.40s	711	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		2.65s	714	321	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		10.57s	5,445	258	832
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		5.27s	8,211	222	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	2.8	1.6	33.3%	1		37.86s	195	30	1,754
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		1.97s	210	19	0

快速对比

切换对比组合