AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

GPT-5.6 Terra (medium) vs Qwen3.5 Plus 2026-02-15 (medium) benchmark 对比：Qwen3.5 Plus 2026-02-15 (medium) 平均分领先，为 8.0 vs 7.8。 Qwen3.5 Plus 2026-02-15 (medium) benchmark 成本更低，为 $0.310 vs $0.496。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 73.79s，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 8.0），同时响应速度比Qwen3.5 Plus 2026-02-15 (medium)快约 11.0 倍。

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

指标	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium 发布日期: 2026-02-15

指标	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09	Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium 发布日期: 2026-02-15
分数	7.8	8.0
排名	#37	#33
可靠性	10.0	10.0
一致性	9.2	8.8
测试正确
尝试通过率	68.3%	73.0%
不稳定测试	2	3
总运行次数	63	63
每个结果成本	3.815	2.445
总成本	$0.496	$0.310
输入价格	$2.500 / 1M	$0.260 / 1M
输出价格	$15.000 / 1M	$1.560 / 1M
总输入令牌	34,218	40,918
输出令牌	1,982	2,159
推理令牌	25,370	189,604
响应时间（平均）	6.69s	73.79s
响应时间（最大）	41.68s	266.69s
响应时间（总计）	140.49s	1033.07s

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

#33 Qwen3.5 Plus 2026-02-15

medium

成本: $0.011
时间: 125.5s
令牌: 7,040 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 Plus 2026-02-15	8.2	7.9	83.3%	1		45.78s	672	205	21,236

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 Plus 2026-02-15	6.6	7.1	44.4%	1		180.70s	6,950	420	80,595

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 Plus 2026-02-15	10.0	10.0	100.0%	0		46.85s	14,934	421	7,906

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 Plus 2026-02-15	10.0	10.0	100.0%	0		46.91s	7,782	270	14,916

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 Plus 2026-02-15	5.3	10.0	33.3%	0		17.50s	444	35	16,680

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 Plus 2026-02-15	4.7	1.6	66.7%	1		79.86s	344	73	8,675

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 Plus 2026-02-15	10.0	10.0	100.0%	0		31.93s	699	101	7,704

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 Plus 2026-02-15	10.0	10.0	100.0%	0		32.50s	696	301	13,853

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 Plus 2026-02-15	10.0	10.0	100.0%	0		7.54s	8,193	309	909

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 Plus 2026-02-15	3.0	10.0	0.0%	0		103.81s	204	24	17,130

快速对比

切换对比组合