AI BENCHY 对比
OpenAI: GPT-5 Nano vs Qwen: Qwen3.5-27B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-14
| 指标 | GPT-5 Nano GPT-5 Nano medium | Qwen3.5-27B Qwen3.5-27B none |
|---|---|---|
| 分数 | 6.3 | 5.9 |
| 排名 | #54 | #64 |
| 一致性 | 6.5 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 59.3% | 38.9% |
| 不稳定测试 | 8 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.942 | 0.265 |
| 总成本 | $0.066 | $0.016 |
| ???? | $0.050 / 1M | $0.195 / 1M |
| ???? | $0.400 / 1M | $1.560 / 1M |
| 输出令牌 | 4,980 | 3,545 |
| 推理令牌 | 156,288 | 0 |
| 响应时间（平均） | 44.13s | 1.74s |
| 响应时间（最大） | 204.02s | 9.39s |
| 响应时间（总计） | 485.47s | 31.32s |
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 | |
| Qwen3.5-27B | 4.8 | 10.0 | 25.0% | 0 | 788ms | 267 | 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 | 6.7 | 3.5 | 66.7% | 1 | 40.73s | 480 | 12,992 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 381 | 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 | |
| Qwen3.5-27B | 2.8 | 1.6 | 33.3% | 1 | 9.39s | 1,461 | 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 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 1.43s | 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 | |
| Qwen3.5-27B | 3.0 | 10.0 | 0.0% | 0 | 540ms | 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 | |
| Qwen3.5-27B | 5.0 | 10.0 | 0.0% | 0 | 2.51s | 126 | 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 | 8.5 | 6.8 | 83.3% | 1 | 11.90s | 382 | 4,096 | |
| Qwen3.5-27B | 4.8 | 10.0 | 0.0% | 0 | 815ms | 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 | 19.81s | 869 | 13,440 | |
| Qwen3.5-27B | 6.7 | 7.9 | 55.6% | 1 | 1.37s | 680 | 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 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 3.54s | 303 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsQwen3.5-27BnoneGPT-5 NanomediumvsGLM 5V TurbononeGPT-5 NanomediumvsQwen3.5-FlashnoneGemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumSeed-2.0-LitenonevsGPT-5 NanomediumGemini 2.5 FlashnonevsGPT-5 NanomediumGPT-5 NanomediumvsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsGPT-5 NanomediumMiniMax M2.5medium免费可用vsQwen3.5-27BnoneGPT-5 NanomediumvsMiMo-V2-OmninoneMistral Small 4mediumvsQwen3.5-27BnoneGPT-5 NanomediumvsMiMo-V2-Pronone