导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs Qwen: Qwen3.5-122B-A10B

摘要

GPT-5.6 Terra (high) vs Qwen3.5-122B-A10B (medium) benchmark 对比：GPT-5.6 Terra (high) 平均分领先，为 8.2 vs 7.7。 Qwen3.5-122B-A10B (medium) benchmark 成本更低，为 $0.588 vs $0.852。 GPT-5.6 Terra (high) 更快，为 10.89s vs 42.49s，通过率为 68.3% vs 73.0%。

推荐模型: GPT-5.6 Terra (high) - 它在这里得分最高（8.2），同时响应速度比Qwen3.5-122B-A10B (medium)快约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium 发布日期: 2026-02-24
分数 8.2 7.7
排名 #29 #45
可靠性 10.0 10.0
一致性 9.6 8.8
测试正确
尝试通过率 68.3% 73.0%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 6.086 5.235
总成本 $0.852 $0.588
输入价格 $2.500 / 1M $0.260 / 1M
输出价格 $15.000 / 1M $2.080 / 1M
总输入令牌 34,218 41,832
输出令牌 1,908 26,187
推理令牌 49,189 251,028
响应时间（平均） 10.89s 42.49s
响应时间（最大） 91.49s 168.16s
响应时间（总计） 228.65s 892.30s

生成展示

Hamster playing table tennis

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

#29 GPT-5.6 Terra

high
成本
$0.055
时间
30.2s
令牌
3,748 tok

#45 Qwen3.5-122B-A10B

medium
成本
$0.019
时间
48.7s
令牌
6,034 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 Terra 8.3 10.0 75.0% 0 2.54s 606 158 700
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.75s 672 269 16,835
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 Terra 7.6 7.2 77.8% 1 9.14s 7,302 370 6,087
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578
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 Terra 10.0 10.0 100.0% 0 6.94s 11,019 314 627
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 107.79s 14,947 483 11,337
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 Terra 10.0 10.0 100.0% 0 938ms 7,140 222 0
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 23.41s 7,782 270 16,558
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 Terra 5.3 10.0 33.3% 0 43.44s 723 70 32,942
Qwen3.5-122B-A10B 2.9 7.2 11.1% 1 63.40s 771 15,537 64,889
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 Terra 5.1 10.0 0.0% 0 3.03s 477 113 216
Qwen3.5-122B-A10B 3.4 2.2 33.3% 1 34.11s 344 66 7,592
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 Terra 10.0 10.0 100.0% 0 2.14s 660 96 319
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 9.88s 593 77 7,372
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 Terra 7.7 10.0 66.7% 0 5.45s 642 277 2,613
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 17.89s 696 284 27,575
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 Terra 10.0 10.0 100.0% 0 4.97s 5,454 258 168
Qwen3.5-122B-A10B 10.0 10.0 100.0% 0 4.60s 8,193 322 1,226
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 Terra 3.0 10.0 0.0% 0 23.30s 195 30 5,517
Qwen3.5-122B-A10B 3.0 10.0 0.0% 0 52.87s 204 822 15,066

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumGPT-5.6 TerrahighvsQwen3.7 PlusmediumGPT-5.6 TerralowvsQwen3.5-122B-A10BmediumQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 TerrahighGemini 2.5 FlashmediumvsGPT-5.6 TerrahighQwen3.5-122B-A10BmediumvsGrok 4.5lowDeepSeek V4 ProhighvsQwen3.5-122B-A10BmediumGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15mediumGPT-5.3 ChatnonevsQwen3.5-122B-A10Bmedium