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: Qwen3.6 27B

摘要

GPT-5.5 vs Qwen3.6 27B benchmark 对比：Qwen3.6 27B 平均分领先，为 6.8 vs 6.4。 GPT-5.5 benchmark 成本更低，为 $0.231 vs $0.336。 GPT-5.5 更快，为 1.89s vs 59.71s，通过率为 54.0% vs 60.3%。

推荐模型: GPT-5.5 - 它的得分接近这里的最高分（6.4 vs 6.8），同时响应速度比Qwen3.6 27B快约 31.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24 Qwen3.6 27B Qwen3.6 27B medium 发布日期: 2026-04-20
分数 6.4 6.8
排名 #92 #79
可靠性 10.0 10.0
一致性 8.8 8.2
测试正确
尝试通过率 54.0% 60.3%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 2.302 3.361
总成本 $0.231 $0.336
输入价格 $5.000 / 1M $0.290 / 1M
输出价格 $30.000 / 1M $2.400 / 1M
总输入令牌 34,212 39,376
输出令牌 1,971 16,189
推理令牌 0 122,521
响应时间（平均） 1.89s 59.71s
响应时间（最大） 5.56s 168.22s
响应时间（总计） 39.64s 1254.01s

Generation showcase

Hamster playing table tennis

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

#92 GPT-5.5

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

#79 Qwen3.6 27B

medium
Cost
$0.009
Time
39.6s
Tokens
3,090 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
Qwen3.6 27B 8.3 10.0 75.0% 0 12.62s 453 582 4,311
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
Qwen3.6 27B 7.7 10.0 66.7% 0 142.99s 5,051 7,968 43,367
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
Qwen3.6 27B 7.0 3.7 66.7% 1 83.07s 15,104 2,088 14,689
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
Qwen3.6 27B 3.5 1.4 50.0% 2 37.30s 7,778 568 9,404
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
Qwen3.6 27B 2.9 7.2 11.1% 1 73.38s 662 3,510 20,352
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
Qwen3.6 27B 6.5 3.4 66.7% 1 39.53s 516 81 3,045
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
Qwen3.6 27B 10.0 10.0 100.0% 0 37.96s 699 346 6,548
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
Qwen3.6 27B 7.7 10.0 66.7% 0 61.14s 696 255 12,044
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
Qwen3.6 27B 10.0 10.0 100.0% 0 16.88s 8,213 390 2,954
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
Qwen3.6 27B 3.0 10.0 0.0% 0 80.99s 204 401 5,807

快速对比

切换对比组合

Gemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Sonnet 4.6nonevsQwen3.6 27BmediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumMercury 2mediumvsGPT-5.5noneQwen3.6 27BmediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsQwen3.6 27BmediumDeepSeek V4 ProhighvsGPT-5.5noneKimi K2.5mediumvsGPT-5.5noneGPT-5.3 ChatnonevsQwen3.6 27BmediumRing-2.6-1TmediumvsGPT-5.5none