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: Qwen3.5-35B-A3B

摘要

GPT-5.5 vs Qwen3.5-35B-A3B benchmark 对比：平均分几乎持平，为 6.3 vs 6.3。 GPT-5.5 benchmark 成本更低，为 $0.231 vs $0.401。 GPT-5.5 更快，为 1.89s vs 72.57s，通过率为 54.0% vs 69.8%。

推荐模型: GPT-5.5 - 它在这里得分最高（6.3），同时成本比Qwen3.5-35B-A3B低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24 Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24
分数 6.3 6.3
排名 #89 #88
可靠性 10.0 10.0
一致性 8.8 7.5
测试正确
尝试通过率 54.0% 69.8%
不稳定测试 3 6
总运行次数 63 63
每个结果成本 2.302 5.162
总成本 $0.231 $0.401
输入价格 $5.000 / 1M $0.140 / 1M
输出价格 $30.000 / 1M $1.000 / 1M
总输入令牌 34,212 42,196
输出令牌 1,971 40,630
推理令牌 0 353,577
响应时间（平均） 1.89s 72.57s
响应时间（最大） 5.56s 409.98s
响应时间（总计） 39.64s 1524.04s

Generation showcase

Hamster playing table tennis

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

#89 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 tok

#88 Qwen3.5-35B-A3B

medium
Cost
$0.009
Time
71.4s
Tokens
8,631 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
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 21.13s 672 798 42,652
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
Qwen3.5-35B-A3B 5.9 9.3 33.3% 0 206.65s 4,106 23,844 111,462
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
Qwen3.5-35B-A3B 4.7 1.6 66.7% 1 75.34s 20,992 775 12,485
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
Qwen3.5-35B-A3B 7.3 5.9 83.3% 1 59.33s 6,061 235 19,493
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
Qwen3.5-35B-A3B 4.1 4.4 44.5% 2 88.34s 500 41 46,368
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
Qwen3.5-35B-A3B 2.8 1.6 33.3% 1 30.30s 172 20 3,753
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
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 24.45s 699 97 17,361
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
Qwen3.5-35B-A3B 8.2 7.2 88.9% 1 33.13s 597 3,592 26,585
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
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 4.65s 8,193 309 1,365
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
Qwen3.5-35B-A3B 3.0 10.0 0.0% 0 177.35s 204 10,919 72,053

快速对比

切换对比组合

DeepSeek V4 ProhighvsGPT-5.5noneDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumGemma 4 31Bmedium免费可用vsGPT-5.5noneNemotron 3 Supermedium免费可用vsGPT-5.5noneDeepSeek V4 PrononevsQwen3.5-35B-A3BmediumSeed-2.0-LitenonevsQwen3.5-35B-A3BmediumGemini 2.5 FlashnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsQwen3.5-35B-A3BmediumGemini 3.1 Flash LiteminimalvsGPT-5.5noneGemini 3.1 Flash Lite PreviewnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3Bmedium