导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.6 27B

摘要

GPT-5.6 Sol vs Qwen3.6 27B (medium) benchmark 对比：Qwen3.6 27B (medium) 平均分领先，为 6.6 vs 6.3。 GPT-5.6 Sol benchmark 成本更低，为 $0.225 vs $0.336。 GPT-5.6 Sol 更快，为 1.66s vs 59.71s，通过率为 57.1% vs 60.3%。

推荐模型: GPT-5.6 Sol - 它的得分接近这里的最高分（6.3 vs 6.6），同时响应速度比Qwen3.6 27B (medium)快约 36.0 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 Qwen3.6 27B Qwen3.6 27B medium 发布日期: 2026-04-20
分数 6.3 6.6
排名 #101 #94
可靠性 10.0 10.0
一致性 9.0 8.2
测试正确
尝试通过率 57.1% 60.3%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 2.244 3.361
总成本 $0.225 $0.336
输入价格 $5.000 / 1M $0.286 / 1M
输出价格 $30.000 / 1M $2.400 / 1M
总输入令牌 34,218 39,376
输出令牌 1,776 16,189
推理令牌 0 122,521
响应时间（平均） 1.66s 59.71s
响应时间（最大） 3.93s 168.22s
响应时间（总计） 34.81s 1254.01s

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

#94 Qwen3.6 27B

medium
成本
$0.009
时间
39.6s
令牌
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-5.6 Sol 8.3 10.0 75.0% 0 1.27s 606 154 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-5.6 Sol 5.5 10.0 33.3% 0 1.39s 7,302 390 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-5.6 Sol 3.0 10.0 0.0% 0 3.93s 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-5.6 Sol 10.0 10.0 100.0% 0 1.53s 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-5.6 Sol 3.6 7.2 22.2% 1 1.43s 723 54 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-5.6 Sol 6.5 3.4 66.7% 1 1.52s 477 91 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-5.6 Sol 8.5 6.8 83.3% 1 1.33s 660 84 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-5.6 Sol 7.7 10.0 66.7% 0 1.49s 642 211 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-5.6 Sol 10.0 10.0 100.0% 0 3.70s 5,454 246 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-5.6 Sol 3.0 10.0 0.0% 0 1.95s 195 24 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

Nemotron 3 Supermedium免费可用vsGPT-5.6 SolnoneGemma 4 31Bmedium免费可用vsGPT-5.6 SolnoneGPT-5.6 SolnonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 27BmediumGemini 3.1 Flash LitelowvsGPT-5.6 SolnoneGemini 3.1 Flash Lite PreviewnonevsQwen3.6 27BmediumGemini 3.1 Flash LitelowvsQwen3.6 27BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.6 SolnoneGemini 3.1 Flash LiteminimalvsGPT-5.6 SolnoneGemini 3.5 FlashminimalvsQwen3.6 27BmediumGPT-5.6 SolnonevsStep 3.5 FlashmediumGPT-5.5nonevsQwen3.6 27Bmedium