OpenAI: GPT-5.6 Terra vs Qwen: Qwen3.5-Flash

Qwen3.5-Flash (medium) 平均分领先，为 6.2 vs 6.0。 Qwen3.5-Flash (medium) benchmark 成本更低，为 $0.139 vs $0.349。 GPT-5.6 Terra 更快，为 1.65s vs 84.82s，通过率为 42.4% vs 69.7%。

推荐模型GPT-5.6 Terra它的得分接近这里的最高分（6.0 vs 6.2），同时响应速度比Qwen3.5-Flash (medium)快约 51.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09	Qwen3.5-Flash Qwen3.5-Flash 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-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24
分数	6.0	6.2
排名	#128	#110
可靠性	10.0	10.0
一致性	8.9	7.8
测试正确
尝试通过率	42.4%	69.7%
不稳定测试	3	6
总运行次数	66	66
每个结果成本	4.359	1.361
总成本	$0.349	$0.139
输入价格	$2.500 / 1M	$0.065 / 1M
输出价格	$15.000 / 1M	$0.260 / 1M
总输入令牌	102,259	118,499
输出令牌	6,203	12,284
推理令牌	0	490,610
响应时间（平均）	1.65s	84.82s
响应时间（最大）	10.07s	515.38s
响应时间（总计）	36.28s	1781.22s

Hamster playing table tennis

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

#128 GPT-5.6 Terra

none

成本: $0.030
时间: 14.7s
令牌: 2,082 tok

#110 Qwen3.5-Flash

medium

成本: $0.002
时间: 25.8s
令牌: 4,294 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

类别:

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-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992

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-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

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	2.9	5.8	16.7%	1		7.02s	77,668	4,580	0
Qwen3.5-Flash	6.4	5.8	66.7%	1		266.58s	94,507	10,679	204,282

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-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237

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-Flash	5.3	7.2	44.4%	1		146.50s	581	58	43,615

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-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486

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-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139

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-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

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-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

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-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

快速对比

切换对比组合

Gemma 4 31Bnone免费可用vsQwen3.5-Flashmedium Claude Sonnet 5nonevsQwen3.5-Flashmedium Seed-2.0-LitenonevsQwen3.5-Flashmedium GPT-5.6 LunalowvsQwen3.5-Flashmedium GPT-5.6 TerranonevsStep 3.5 Flashmedium Gemini 2.5 FlashnonevsQwen3.5-Flashmedium Gemini 3.1 Flash LiteminimalvsQwen3.5-Flashmedium North Mini Codemedium免费可用vsGPT-5.6 Terranone Gemini 3.1 Flash LitenonevsQwen3.5-Flashmedium Qwen3.5-FlashmediumvsInklinglow GPT-5.6 TerranonevsInklinglow Gemini 3.1 Flash LiteminimalvsGPT-5.6 Terranone