AI BENCHY 对比
OpenAI: GPT-5.5 vs Qwen: Qwen3.5 Plus 2026-02-15
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 none | Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 none |
|---|---|---|
| 分数 | 6.8 | 6.8 |
| 排名 | #58 | #57 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.3 | 9.3 |
| 测试正确 | ||
| 尝试通过率 | 61.1% | 53.7% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.162 | 0.182 |
| 总成本 | $0.195 | $0.017 |
| ???? | $5.000 / 1M | $0.260 / 1M |
| ???? | $30.000 / 1M | $1.560 / 1M |
| 输出令牌 | 1,910 | 2,461 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.83s | 2.60s |
| 响应时间（最大） | 5.56s | 6.65s |
| 响应时间（总计） | 32.86s | 31.23s |
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 Plus 2026-02-15 | 4.8 | 10.0 | 25.0% | 0 | 1.91s | 517 | 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 | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 426 | 0 | |
| Qwen3.5 Plus 2026-02-15 | 6.3 | 3.7 | 33.3% | 1 | 3.63s | 443 | 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 Plus 2026-02-15 | 3.0 | 10.0 | 0.0% | 0 | 6.65s | 314 | 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 1.89s | 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 Plus 2026-02-15 | 5.3 | 10.0 | 33.3% | 0 | 1.17s | 17 | 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 Plus 2026-02-15 | 4.4 | 3.0 | 33.3% | 1 | 2.26s | 117 | 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 1.67s | 72 | 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 | 6.7 | 7.9 | 55.6% | 1 | 1.36s | 245 | 0 | |
| Qwen3.5 Plus 2026-02-15 | 7.7 | 10.0 | 66.7% | 0 | 2.82s | 516 | 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 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 3.33s | 222 | 0 |
快速对比
切换对比组合
Nemotron 3 Supermedium免费可用vsGPT-5.5noneNemotron 3 Supermedium免费可用vsQwen3.5 Plus 2026-02-15noneGPT-5.5nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGPT-5.5nonevsGrok 4.20mediumKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneKimi K2.5mediumvsGPT-5.5noneGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneMercury 2mediumvsGPT-5.5noneMercury 2mediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15none