#95 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
OpenAI: GPT-5.5 vs Qwen: Qwen3.6 Flash
GPT-5.5 平均分领先，为 6.9 vs 6.1。 Qwen3.6 Flash benchmark 成本更低，为 $0.062 vs $0.544。 GPT-5.5 更快，为 2.36s vs 3.74s，通过率为 56.1% vs 34.9%。
推荐模型GPT-5.5它在这里得分最高（6.9），同时响应速度比Qwen3.6 Flash快约 1.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | GPT-5.5 GPT-5.5 none | Qwen3.6 Flash Qwen3.6 Flash none |
|---|---|---|
| 分数 | 6.9 | 6.1 |
| 排名 | #95 | #135 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 56.1% | 34.9% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.945 | 0.935 |
| 总成本 | $0.544 | $0.062 |
| 输入价格 | $5.000 / 1M | $0.188 / 1M |
| 输出价格 | $30.000 / 1M | $1.125 / 1M |
| 总输入令牌 | 79,285 | 139,788 |
| 输出令牌 | 4,915 | 30,947 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.36s | 3.74s |
| 响应时间（最大） | 12.24s | 48.79s |
| 响应时间（总计） | 51.88s | 82.38s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#135 Qwen3.6 Flash
none- 成本
- $0.005
- 时间
- 20.1s
- 令牌
- 4,211 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 Flash | 3.1 | 10.0 | 0.0% | 0 | 1.63s | 696 | 1,554 | 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 | |
| Qwen3.6 Flash | 5.4 | 10.0 | 33.3% | 0 | 1.79s | 6,488 | 889 | 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 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 0 | |
| Qwen3.6 Flash | 3.8 | 5.8 | 33.3% | 1 | 26.50s | 113,653 | 27,098 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.13s | 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 | |
| Qwen3.6 Flash | 5.3 | 10.0 | 33.3% | 0 | 1.11s | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 947ms | 522 | 132 | 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 | |
| Qwen3.6 Flash | 6.3 | 10.0 | 50.0% | 0 | 1.10s | 711 | 66 | 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 | |
| Qwen3.6 Flash | 3.5 | 10.0 | 0.0% | 0 | 1.21s | 714 | 669 | 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 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.49s | 8,211 | 272 | 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 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 649ms | 210 | 9 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsStep 3.7 FlashhighQwen3.6 FlashnonevsInklinglowGPT-5.5nonevsQwen3.6 Flashmediumgpt-oss-120bmediumvsQwen3.6 FlashnoneGPT-5 NanomediumvsQwen3.6 FlashnoneGPT-5.5nonevsMiMo-V2.5-PromediumGemini 3.5 FlashminimalvsGPT-5.5noneGemini 3.1 Flash LiteminimalvsQwen3.6 FlashnoneQwen3.6 FlashnonevsStep 3.5 FlashmediumKAT-Coder-Pro V2.5mediumvsGPT-5.5noneGPT-5.6 LunalowvsQwen3.6 FlashnoneSeed-2.0-MinimediumvsGPT-5.5none