导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.6 Max Preview

摘要

GPT-5.6 Sol (high) vs Qwen3.6 Max Preview (medium) benchmark 对比：GPT-5.6 Sol (high) 平均分领先，为 9.4 vs 8.9。 GPT-5.6 Sol (high) benchmark 成本更低，为 $0.821 vs $0.960。 GPT-5.6 Sol (high) 更快，为 10.56s vs 59.63s，通过率为 88.9% vs 81.0%。

推荐模型: GPT-5.6 Sol (high) - 它在这里得分最高（9.4），同时响应速度比Qwen3.6 Max Preview (medium)快约 5.6 倍。

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

指标 GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09 Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20
分数 9.4 8.9
排名 #6 #14
可靠性 10.0 10.0
一致性 8.8 9.3
测试正确
尝试通过率 88.9% 81.0%
不稳定测试 3 2
总运行次数 63 63
每个结果成本 4.824 7.024
总成本 $0.821 $0.960
输入价格 $5.000 / 1M $1.040 / 1M
输出价格 $30.000 / 1M $6.240 / 1M
总输入令牌 34,114 42,362
输出令牌 1,872 2,273
推理令牌 19,777 144,367
响应时间（平均） 10.56s 59.63s
响应时间（最大） 54.79s 238.07s
响应时间（总计） 221.69s 1252.17s

生成展示

Hamster playing table tennis

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

#6 GPT-5.6 Sol

high
成本
$0.151
时间
201.9s
令牌
5,100 tok

#14 Qwen3.6 Max Preview

medium
成本
$0.024
时间
76.5s
令牌
3,861 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 Sol 8.7 7.9 91.7% 1 3.39s 606 171 644
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 22.13s 672 228 10,075
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 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
Qwen3.6 Max Preview 8.8 7.8 88.9% 1 146.48s 7,895 427 52,957
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 Sol 10.0 10.0 100.0% 0 13.68s 11,019 315 1,599
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 121.49s 14,934 390 14,575
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 Sol 10.0 10.0 100.0% 0 1.16s 7,140 222 0
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 41.15s 7,782 270 10,106
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 Sol 5.3 7.2 44.4% 1 39.45s 619 62 9,556
Qwen3.6 Max Preview 2.9 7.2 11.1% 1 95.91s 771 60 30,371
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 Sol 10.0 10.0 100.0% 0 4.40s 477 97 238
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 32.24s 516 129 3,510
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 Sol 10.0 10.0 100.0% 0 2.73s 660 96 331
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.31s 699 103 5,848
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 Sol 10.0 10.0 100.0% 0 4.10s 642 211 675
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.32s 696 329 7,693
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 Sol 10.0 10.0 100.0% 0 7.08s 5,454 264 393
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 18.32s 8,193 309 1,571
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 Sol 4.7 1.6 66.7% 1 6.97s 195 30 685
Qwen3.6 Max Preview 3.0 10.0 0.0% 0 60.56s 204 28 7,661

快速对比

切换对比组合

GPT-5.6 SolhighvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.6 SolhighClaude Fable 5mediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighGemini 3.5 FlashmediumvsGPT-5.6 SolhighGemini 3 Flash PreviewmediumvsGPT-5.6 SolhighGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.6 SolhighDeepSeek V4 FlashhighvsQwen3.6 Max PreviewmediumClaude Opus 4.7mediumvsGPT-5.6 Solhigh