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-5.6 Sol vs Qwen: Qwen3.5-35B-A3B

摘要

GPT-5.6 Sol vs Qwen3.5-35B-A3B (medium) benchmark 对比：平均分几乎持平，为 6.3 vs 6.3。 GPT-5.6 Sol benchmark 成本更低，为 $0.225 vs $0.401。 GPT-5.6 Sol 更快，为 1.66s vs 72.57s，通过率为 57.1% vs 69.8%。

推荐模型: GPT-5.6 Sol - 它在这里得分最高（6.3），同时成本比Qwen3.5-35B-A3B (medium)低约 1.8 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 none 发布日期: 2026-07-09 Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24
分数 6.3 6.3
排名 #101 #103
可靠性 10.0 10.0
一致性 9.0 7.5
测试正确
尝试通过率 57.1% 69.8%
不稳定测试 3 6
总运行次数 63 63
每个结果成本 2.244 5.162
总成本 $0.225 $0.401
输入价格 $5.000 / 1M $0.140 / 1M
输出价格 $30.000 / 1M $1.000 / 1M
总输入令牌 34,218 42,196
输出令牌 1,776 40,630
推理令牌 0 353,577
响应时间（平均） 1.66s 72.57s
响应时间（最大） 3.93s 409.98s
响应时间（总计） 34.81s 1524.04s

生成展示

Hamster playing table tennis

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

#101 GPT-5.6 Sol

none
成本
$0.116
时间
78.7s
令牌
3,944 tok

#103 Qwen3.5-35B-A3B

medium
成本
$0.009
时间
71.4s
令牌
8,631 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 8.3 10.0 75.0% 0 1.27s 606 154 0
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 21.13s 672 798 42,652
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 5.5 10.0 33.3% 0 1.39s 7,302 390 0
Qwen3.5-35B-A3B 5.9 9.3 33.3% 0 206.65s 4,106 23,844 111,462
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 3.0 10.0 0.0% 0 3.93s 11,019 300 0
Qwen3.5-35B-A3B 4.7 1.6 66.7% 1 75.34s 20,992 775 12,485
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 1.53s 7,140 222 0
Qwen3.5-35B-A3B 7.3 5.9 83.3% 1 59.33s 6,061 235 19,493
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 3.6 7.2 22.2% 1 1.43s 723 54 0
Qwen3.5-35B-A3B 4.1 4.4 44.5% 2 88.34s 500 41 46,368
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 6.5 3.4 66.7% 1 1.52s 477 91 0
Qwen3.5-35B-A3B 2.8 1.6 33.3% 1 30.30s 172 20 3,753
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 8.5 6.8 83.3% 1 1.33s 660 84 0
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 24.45s 699 97 17,361
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 7.7 10.0 66.7% 0 1.49s 642 211 0
Qwen3.5-35B-A3B 8.2 7.2 88.9% 1 33.13s 597 3,592 26,585
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 3.70s 5,454 246 0
Qwen3.5-35B-A3B 10.0 10.0 100.0% 0 4.65s 8,193 309 1,365
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 3.0 10.0 0.0% 0 1.95s 195 24 0
Qwen3.5-35B-A3B 3.0 10.0 0.0% 0 177.35s 204 10,919 72,053

快速对比

切换对比组合

Nemotron 3 Supermedium免费可用vsGPT-5.6 SolnoneGemma 4 31Bmedium免费可用vsGPT-5.6 SolnoneGPT-5.5nonevsQwen3.5-35B-A3BmediumSeed-2.0-LitenonevsQwen3.5-35B-A3BmediumGPT-5.6 LunalowvsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsGPT-5.6 SolnoneGemini 2.5 FlashnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LitelowvsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash LiteminimalvsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.6 SolnoneGemini 3.1 Flash LiteminimalvsGPT-5.6 Solnone