AI BENCHY 对比
OpenAI: GPT-5 Nano vs Qwen: Qwen3.5-122B-A10B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | GPT-5 Nano GPT-5 Nano medium | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none |
|---|---|---|
| 分数 | 6.1 | 5.4 |
| 排名 | #100 | #131 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.1 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 55.0% | 33.3% |
| 不稳定测试 | 7 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.952 | 0.380 |
| 总成本 | $0.077 | $0.019 |
| 输入价格 | $0.050 / 1M | $0.260 / 1M |
| 输出价格 | $0.400 / 1M | $2.080 / 1M |
| 输出令牌 | 5,328 | 3,374 |
| 推理令牌 | 181,056 | 0 |
| 响应时间（平均） | 43.52s | 3.38s |
| 响应时间（最大） | 204.02s | 46.00s |
| 响应时间（总计） | 565.82s | 67.55s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 1,221 | 21,184 | |
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 5.4 | 6.6 | 33.3% | 1 | 47.80s | 604 | 30,144 | |
| Qwen3.5-122B-A10B | 4.0 | 5.5 | 33.3% | 1 | 2.14s | 684 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 243 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 | |
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 15 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 | |
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 66 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 9.8 | 10.0 | 100.0% | 0 | 15.64s | 312 | 4,736 | |
| Qwen3.5-122B-A10B | 6.3 | 10.0 | 50.0% | 0 | 513ms | 69 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 5.3 | 7.2 | 44.4% | 1 | 20.63s | 929 | 14,272 | |
| Qwen3.5-122B-A10B | 3.8 | 10.0 | 0.0% | 0 | 1.00s | 575 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 3.0 | 10.0 | 0.0% | 0 | 20.13s | 234 | 6,144 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 295ms | 9 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsQwen3.5-122B-A10BnoneElephant AlphamediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneGPT-5 NanomediumvsMimo V2 OmninoneDeepSeek V4 PrononevsGPT-5 NanomediumGemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneGPT-5 NanomediumvsQwen3.5-FlashnoneGPT-5 NanomediumvsGLM 5noneGPT-5 NanomediumvsGLM 5V TurbononeSeed-2.0-LitenonevsGPT-5 NanomediumGemini 2.5 FlashnonevsGPT-5 Nanomedium