AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.5-35B-A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-28
| 指标 | GPT-5.5 GPT-5.5 none | Qwen3.5-35B-A3B Qwen3.5-35B-A3B none |
|---|---|---|
| 分数 | 6.5 | 5.8 |
| 排名 | #88 | #106 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 56.7% | 45.0% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.167 | 0.224 |
| 总成本 | $0.217 | $0.011 |
| 输入价格 | $5.000 / 1M | $0.139 / 1M |
| 输出价格 | $30.000 / 1M | $1.000 / 1M |
| 输出令牌 | 1,956 | 4,334 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.93s | 3.50s |
| 响应时间（最大） | 5.56s | 47.43s |
| 响应时间（总计） | 38.64s | 70.00s |
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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 213 | 0 | |
| Qwen3.5-35B-A3B | 3.4 | 7.9 | 16.7% | 1 | 1.43s | 574 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 6.8 | 10.0 | 50.0% | 0 | 1.52s | 447 | 0 | |
| Qwen3.5-35B-A3B | 6.8 | 10.0 | 50.0% | 0 | 1.72s | 562 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 300 | 0 | |
| Qwen3.5-35B-A3B | 3.0 | 10.0 | 0.0% | 0 | 47.43s | 1,833 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 222 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 1.16s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 52 | 0 | |
| Qwen3.5-35B-A3B | 7.7 | 10.0 | 66.7% | 0 | 485ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 124 | 0 | |
| Qwen3.5-35B-A3B | 6.5 | 3.4 | 66.7% | 1 | 1.19s | 114 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 81 | 0 | |
| Qwen3.5-35B-A3B | 6.3 | 10.0 | 50.0% | 0 | 809ms | 63 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 252 | 0 | |
| Qwen3.5-35B-A3B | 3.7 | 7.4 | 22.2% | 1 | 1.35s | 655 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 247 | 0 | |
| Qwen3.5-35B-A3B | 10.0 | 10.0 | 100.0% | 0 | 2.30s | 264 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 18 | 0 | |
| Qwen3.5-35B-A3B | 3.0 | 10.0 | 0.0% | 0 | 493ms | 11 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGPT-5.5noneGPT-5.5nonevsQwen3.6 27BmediumOwl AlphamediumvsQwen3.5-35B-A3BnoneMercury 2mediumvsGPT-5.5noneCobuddymediumvsQwen3.5-35B-A3BnoneKimi K2.5mediumvsGPT-5.5nonegpt-oss-120bmedium免费可用vsQwen3.5-35B-A3BnoneGemini 3.1 Flash LiteminimalvsGPT-5.5noneNemotron 3 Supermedium免费可用vsQwen3.5-35B-A3BnoneGPT-5 NanomediumvsQwen3.5-35B-A3BnoneMiniMax M2.5medium免费可用vsQwen3.5-35B-A3BnoneGPT-5.5nonevsMiMo-V2-Omnimedium