AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen3.6 Plus Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | GPT-5.5 GPT-5.5 medium | Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 免费可用 |
|---|---|---|
| 分数 | 9.0 | 8.5 |
| 排名 | #5 | #11 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.2 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 87.0% | 76.5% |
| 不稳定测试 | 2 | 0 |
| 总运行次数 | 54 | 49 |
| 每个结果成本 | 19.226 | 0.000 |
| 总成本 | $2.884 | $0.000 |
| ???? | $5.000 / 1M | $0.000 / 1M |
| ???? | $30.000 / 1M | $0.000 / 1M |
| 输出令牌 | 1,920 | 1,756 |
| 推理令牌 | 89,632 | 77,213 |
| 响应时间（平均） | 32.75s | 13.94s |
| 响应时间（最大） | 332.10s | 43.55s |
| 响应时间（总计） | 589.59s | 237.01s |
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 | 4.66s | 250 | 1,335 | |
| Qwen3.6 Plus Preview | 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 | 9.09s | 318 | 1,391 | |
| Qwen3.6 Plus Preview | - | - | - | - | - | - | - | - |
| 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 | 19.29s | 312 | 2,841 | |
| Qwen3.6 Plus Preview | 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 | 4.18s | 234 | 593 | |
| Qwen3.6 Plus Preview | 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 | 7.2 | 44.4% | 1 | 164.14s | 67 | 79,625 | |
| Qwen3.6 Plus Preview | 3.0 | 10.0 | 0.0% | 0 | 22.08s | 49 | 26,895 |
| 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 | 4.16s | 138 | 223 | |
| Qwen3.6 Plus Preview | 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 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 93 | 538 | |
| Qwen3.6 Plus Preview | 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 | 8.6 | 7.9 | 77.8% | 1 | 6.78s | 250 | 2,254 | |
| Qwen3.6 Plus Preview | 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 | 10.57s | 258 | 832 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
快速对比
切换对比组合
Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewhigh免费可用Gemini 3 Flash PreviewlowvsGPT-5.5mediumClaude Opus 4.7nonevsGPT-5.5mediumDeepSeek V4 ProhighvsQwen3.6 Plus Previewmedium免费可用Qwen3.6 Plus Previewmedium免费可用vsHY3 Previewlow免费可用Gemini 3 Flash PreviewnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3 Flash PreviewlowvsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plus Previewmedium免费可用GPT-5.5mediumvsHY3 Previewhigh免费可用GPT-5.2 ChatnonevsQwen3.6 Plus Previewmedium免费可用Gemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plus Previewmedium免费可用DeepSeek V4 FlashhighvsQwen3.6 Plus Previewmedium免费可用