AI BENCHY 对比

OpenAI: GPT-5.6 Luna vs Qwen: Qwen3.5-35B-A3B

摘要

GPT-5.6 Luna vs Qwen3.5-35B-A3B benchmark 对比：Qwen3.5-35B-A3B 平均分领先，为 5.9 vs 5.3。 Qwen3.5-35B-A3B benchmark 成本更低，为 $0.012 vs $0.047。 GPT-5.6 Luna 更快，为 1.06s vs 3.37s，通过率为 36.5% vs 42.9%。

推荐模型: Qwen3.5-35B-A3B - 它在这里得分最高（5.9），同时成本比GPT-5.6 Luna低约 4.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B none 发布日期: 2026-02-24

指标	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B none 发布日期: 2026-02-24
分数	5.3	5.9
排名	#142	#119
可靠性	10.0	10.0
一致性	8.8	8.9
测试正确
尝试通过率	36.5%	42.9%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	0.767	0.230
总成本	$0.047	$0.012
输入价格	$1.000 / 1M	$0.140 / 1M
输出价格	$6.000 / 1M	$1.000 / 1M
总输入令牌	34,218	48,194
输出令牌	1,967	4,343
推理令牌	0	0
响应时间（平均）	1.06s	3.37s
响应时间（最大）	2.80s	47.43s
响应时间（总计）	22.34s	70.75s

生成展示

Hamster playing table tennis

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

#142 GPT-5.6 Luna

none

成本: $0.016
时间: 15.8s
令牌: 2,685 tok

#119 Qwen3.5-35B-A3B

none

成本: $0.005
时间: 28.4s
令牌: 4,518 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-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	0
Qwen3.5-35B-A3B	3.4	7.9	16.7%	1		1.43s	696	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	0
Qwen3.5-35B-A3B	5.5	10.0	33.3%	0		1.39s	7,808	571	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-5.6 Luna	3.0	10.0	0.0%	0		2.78s	11,019	280	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		47.43s	20,739	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	10.0	10.0	100.0%	0		758ms	7,140	222	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		1.16s	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-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	0
Qwen3.5-35B-A3B	7.7	10.0	66.7%	0		485ms	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-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	0
Qwen3.5-35B-A3B	6.5	3.4	66.7%	1		1.19s	522	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	0
Qwen3.5-35B-A3B	6.3	10.0	50.0%	0		809ms	711	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	0
Qwen3.5-35B-A3B	3.7	7.4	22.2%	1		1.35s	714	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		2.30s	8,211	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）	输入令牌	输出令牌	推理令牌
GPT-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		493ms	210	11	0

快速对比

切换对比组合

North Mini Codemedium免费可用vsQwen3.5-35B-A3Bnone MiniMax M2.7mediumvsGPT-5.6 Lunanone Gemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3Bnone Mistral Small 4mediumvsGPT-5.6 Lunanone GPT-5.6 LunalowvsQwen3.5-35B-A3Bnone Gemma 4 31Bmedium免费可用vsQwen3.5-35B-A3Bnone CobuddymediumvsGPT-5.6 Lunanone Nemotron 3 Supermedium免费可用vsQwen3.5-35B-A3Bnone Gemini 3.1 Flash LitelowvsQwen3.5-35B-A3Bnone North Mini Codemedium免费可用vsGPT-5.6 Lunanone Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-35B-A3Bnone MiniMax M2.5mediumvsGPT-5.6 Lunanone