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 (low) vs Qwen3.5-122B-A10B (medium) benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 GPT-5.6 Terra (low) benchmark 成本更低，为 $0.343 vs $0.588。 GPT-5.6 Terra (low) 更快，为 4.88s vs 42.49s，通过率为 74.6% vs 73.0%。

推荐模型: GPT-5.6 Terra (low) - 它在这里得分最高（7.7），同时成本比Qwen3.5-122B-A10B (medium)低约 1.7 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 low 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 7.7 7.7
排名 #47 #44
可靠性 10.0 10.0
一致性 8.1 8.8
测试正确
尝试通过率 74.6% 73.0%
不稳定测试 5 3
总运行次数 63 63
每个结果成本 2.637 5.235
总成本 $0.343 $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 34,226 41,832
输出令牌 1,943 26,187
推理令牌 15,201 251,028
响应时间（平均） 4.88s 42.49s
响应时间（最大） 19.85s 168.16s
响应时间（总计） 102.53s 892.30s

生成展示

Hamster playing table tennis

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

#47 GPT-5.6 Terra

low
成本
$0.034
时间
16.8s
令牌
2,348 tok

#44 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 2.36s 606 171 602
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 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
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 5.07s 11,019 312 349
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 919ms 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 7.2 44.4% 1 8.34s 723 72 4,086
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 4.8 3.2 33.3% 1 3.52s 477 105 249
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 1.48s 660 87 134
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 10.0 10.0 100.0% 0 4.46s 642 259 1,506
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 4.7 1.6 66.7% 1 6.69s 5,462 257 226
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 5.95s 195 29 1,228
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 TerralowvsGrok 4.3mediumClaude Opus 4.6mediumvsGPT-5.6 TerralowKimi K2.6medium免费可用vsGPT-5.6 TerralowQwen3.5-122B-A10BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumGemini 3.1 Flash LitemediumvsGPT-5.6 TerralowGPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 TerralowQwen3.5-122B-A10BmediumvsGrok 4.5lowMiniMax M3mediumvsGPT-5.6 TerralowDeepSeek V4 ProhighvsGPT-5.6 Terralow