导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs Qwen: Qwen3.5-27B

摘要

GPT-5.6 Terra (high) vs Qwen3.5-27B (medium) benchmark 对比：GPT-5.6 Terra (high) 平均分领先，为 8.2 vs 7.9。 Qwen3.5-27B (medium) benchmark 成本更低，为 $0.536 vs $0.852。 GPT-5.6 Terra (high) 更快，为 10.89s vs 68.39s，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Qwen3.5-27B (medium)快约 6.3 倍。

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

指标 GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09 Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24
分数 8.2 7.9
排名 #29 #34
可靠性 10.0 10.0
一致性 9.6 8.5
测试正确
尝试通过率 68.3% 73.0%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 6.086 4.901
总成本 $0.852 $0.536
输入价格 $2.500 / 1M $0.195 / 1M
输出价格 $15.000 / 1M $1.560 / 1M
总输入令牌 34,218 42,164
输出令牌 1,908 8,534
推理令牌 49,189 329,289
响应时间（平均） 10.89s 68.39s
响应时间（最大） 91.49s 234.36s
响应时间（总计） 228.65s 1436.24s

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

#34 Qwen3.5-27B

medium
成本
$0.008
时间
62.0s
令牌
3,099 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
Qwen3.5-27B 8.7 7.9 91.7% 1 19.75s 672 569 31,505
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
Qwen3.5-27B 6.2 7.1 55.6% 1 160.69s 7,895 6,381 89,388
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
Qwen3.5-27B 10.0 10.0 100.0% 0 163.96s 14,946 483 9,991
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
Qwen3.5-27B 10.0 10.0 100.0% 0 30.26s 7,782 270 16,150
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
Qwen3.5-27B 5.3 10.0 33.3% 0 79.53s 553 43 52,368
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 Terra 5.1 10.0 0.0% 0 3.03s 477 113 216
Qwen3.5-27B 6.1 3.1 66.7% 1 101.41s 524 70 23,147
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
Qwen3.5-27B 10.0 10.0 100.0% 0 19.66s 699 97 11,638
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
Qwen3.5-27B 8.2 7.7 77.8% 1 59.60s 696 242 70,096
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
Qwen3.5-27B 10.0 10.0 100.0% 0 7.45s 8,193 348 1,323
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
Qwen3.5-27B 3.0 10.0 0.0% 0 85.11s 204 31 23,683

快速对比

切换对比组合

GPT-5.6 TerrahighvsQwen3.7 PlusmediumNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 TerrahighGemini 2.5 FlashmediumvsGPT-5.6 TerrahighQwen3.5-27BmediumvsGrok 4.5lowClaude Opus 4.8lowvsQwen3.5-27BmediumGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.6 TerralowvsQwen3.5-27BmediumGPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15mediumQwen3.5-27BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-27BmediumDeepSeek V4 ProhighvsQwen3.5-27BmediumGPT-5.6 TerrahighvsStep 3.7 Flashmedium