#105 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.5-27B
摘要
GPT-5.5 vs Qwen3.5-27B benchmark 对比：GPT-5.5 平均分领先，为 6.3 vs 5.9。 Qwen3.5-27B benchmark 成本更低，为 $0.015 vs $0.231。 Qwen3.5-27B 更快，为 1.68s vs 1.89s，通过率为 54.0% vs 38.1%。
推荐模型: Qwen3.5-27B - 它的得分接近这里的最高分（5.9 vs 6.3），同时成本比GPT-5.5低约 16.1 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10
| 指标 | GPT-5.5 GPT-5.5 none | Qwen3.5-27B Qwen3.5-27B none |
|---|---|---|
| 分数 | 6.3 | 5.9 |
| 排名 | #105 | #121 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.8 | 9.3 |
| 测试正确 | ||
| 尝试通过率 | 54.0% | 38.1% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 2.302 | 0.249 |
| 总成本 | $0.231 | $0.015 |
| 输入价格 | $5.000 / 1M | $0.195 / 1M |
| 输出价格 | $30.000 / 1M | $1.560 / 1M |
| 总输入令牌 | 34,212 | 44,478 |
| 输出令牌 | 1,971 | 3,592 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.89s | 1.68s |
| 响应时间（最大） | 5.56s | 9.39s |
| 响应时间（总计） | 39.64s | 35.25s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#121 Qwen3.5-27B
none- 成本
- $0.007
- 时间
- 42.9s
- 令牌
- 4,273 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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 606 | 213 | 0 | |
| Qwen3.5-27B | 4.8 | 10.0 | 25.0% | 0 | 788ms | 696 | 267 | 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 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 0 | |
| Qwen3.5-27B | 5.8 | 10.0 | 33.3% | 0 | 1.80s | 7,913 | 415 | 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 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 11,019 | 300 | 0 | |
| Qwen3.5-27B | 2.8 | 1.6 | 33.3% | 1 | 9.39s | 16,918 | 1,461 | 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 | 1.18s | 7,140 | 222 | 0 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 1.43s | 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 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 723 | 52 | 0 | |
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 540ms | 789 | 15 | 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 | 3.41s | 477 | 124 | 0 | |
| Qwen3.5-27B | 5.0 | 10.0 | 0.0% | 0 | 2.51s | 522 | 126 | 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 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 0 | |
| Qwen3.5-27B | 6.3 | 10.0 | 50.0% | 0 | 1.03s | 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 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 0 | |
| Qwen3.5-27B | 6.7 | 7.9 | 55.6% | 1 | 1.38s | 714 | 683 | 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 | 3.90s | 5,445 | 247 | 0 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 3.54s | 8,211 | 303 | 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 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 195 | 18 | 0 | |
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 599ms | 210 | 10 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsQwen3.5-35B-A3BmediumGemma 4 31Bmedium免费可用vsGPT-5.5noneNorth Mini Codemedium免费可用vsQwen3.5-27BnoneNemotron 3 Supermedium免费可用vsGPT-5.5noneGemini 3.1 Flash LiteminimalvsGPT-5.5noneGemini 3.1 Flash LitelowvsGPT-5.5noneGemini 3.1 Flash Lite PreviewlowvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsQwen3.5-27BnoneGPT-5.6 LunalowvsQwen3.5-27BnoneGPT-5.5nonevsQwen3.6 27BmediumGPT-5.5nonevsStep 3.5 FlashmediumGemma 4 31Bmedium免费可用vsQwen3.5-27Bnone