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 (medium) vs Qwen3.5-27B (medium) benchmark 对比：Qwen3.5-27B (medium) 平均分领先，为 7.9 vs 7.8。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.496 vs $0.536。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 68.39s，通过率为 68.3% vs 73.0%。

推荐模型: GPT-5.6 Terra (medium) - 它的得分接近这里的最高分（7.8 vs 7.9），同时响应速度比Qwen3.5-27B (medium)快约 10.2 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 medium 发布日期: 2026-07-09 Qwen3.5-27B Qwen3.5-27B medium 发布日期: 2026-02-24
分数 7.8 7.9
排名 #37 #34
可靠性 10.0 10.0
一致性 9.2 8.5
测试正确
尝试通过率 68.3% 73.0%
不稳定测试 2 4
总运行次数 63 63
每个结果成本 3.815 4.901
总成本 $0.496 $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 1,982 8,534
推理令牌 25,370 329,289
响应时间（平均） 6.69s 68.39s
响应时间（最大） 41.68s 234.36s
响应时间（总计） 140.49s 1436.24s

生成展示

Hamster playing table tennis

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

#37 GPT-5.6 Terra

medium
成本
$0.035
时间
16.3s
令牌
2,418 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 2.22s 606 172 657
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 6.1 7.2 55.6% 1 7.19s 7,302 427 4,527
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 6.26s 11,019 316 540
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 872ms 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 23.45s 723 70 15,327
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 5.5 10.0 0.0% 0 2.37s 477 133 144
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 1.43s 660 89 261
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 8.4 7.4 88.9% 1 3.78s 642 272 1,462
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 5.09s 5,454 254 246
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 10.05s 195 27 2,206
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 TerramediumvsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowClaude Opus 4.8lowvsGPT-5.6 TerramediumGPT-5.6 TerramediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5-27BmediumGPT-5.6 TerralowvsQwen3.5-27BmediumQwen3.5-27BmediumvsStep 3.7 FlashlowGPT-5.6 LunahighvsQwen3.5-27BmediumDeepSeek V4 ProhighvsGPT-5.6 TerramediumDeepSeek V4 ProhighvsQwen3.5-27BmediumGPT-5.6 TerrahighvsQwen3.5-27BmediumDeepSeek V4 FlashhighvsQwen3.5-27Bmedium