AI BENCHY 对比

OpenAI: GPT-5.6 Terra vs Qwen: Qwen3.5-35B-A3B

摘要

GPT-5.6 Terra vs Qwen3.5-35B-A3B (medium) benchmark 对比：Qwen3.5-35B-A3B (medium) 平均分领先，为 6.3 vs 6.0。 GPT-5.6 Terra benchmark 成本更低，为 $0.130 vs $0.401。 GPT-5.6 Terra 更快，为 1.25s vs 72.57s，通过率为 42.9% vs 69.8%。

推荐模型: GPT-5.6 Terra - 它的得分接近这里的最高分（6.0 vs 6.3），同时成本比Qwen3.5-35B-A3B (medium)低约 3.1 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 none 发布日期: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24

指标	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24
分数	6.0	6.3
排名	#116	#103
可靠性	10.0	10.0
一致性	9.3	7.5
测试正确
尝试通过率	42.9%	69.8%
不稳定测试	2	6
总运行次数	63	63
每个结果成本	1.623	5.162
总成本	$0.130	$0.401
输入价格	$2.500 / 1M	$0.140 / 1M
输出价格	$15.000 / 1M	$1.000 / 1M
总输入令牌	39,552	42,196
输出令牌	2,060	40,630
推理令牌	0	353,577
响应时间（平均）	1.25s	72.57s
响应时间（最大）	3.97s	409.98s
响应时间（总计）	26.21s	1524.04s

生成展示

Hamster playing table tennis

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

#116 GPT-5.6 Terra

none

成本: $0.030
时间: 14.7s
令牌: 2,082 tok

#103 Qwen3.5-35B-A3B

medium

成本: $0.009
时间: 71.4s
令牌: 8,631 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	4.8	10.0	25.0%	0		942ms	606	191	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

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	5.5	10.0	33.3%	0		1.00s	7,302	336	0
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

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	3.0	10.0	0.0%	0		3.97s	14,961	437	0
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

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		1.13s	7,140	222	0
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

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		757ms	723	68	0
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

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	5.0	10.0	0.0%	0		1.03s	477	102	0
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

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	8.5	6.8	83.3%	1		1.15s	660	101	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

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	5.3	10.0	33.3%	0		1.23s	642	235	0
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

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	9.6	10.0	100.0%	0		3.10s	6,846	344	0
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

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		787ms	195	24	0
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

快速对比

切换对比组合