AI BENCHY 对比
OpenAI: GPT-5 Nano vs Qwen: Qwen3.6 27B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-21
| 指标 | GPT-5 Nano GPT-5 Nano medium | Qwen3.6 27B Qwen3.6 27B medium |
|---|---|---|
| 分数 | 6.2 | 6.8 |
| 排名 | #92 | #78 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.0 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 57.9% | 61.4% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.856 | 2.543 |
| 总成本 | $0.069 | $0.229 |
| ???? | $0.050 / 1M | $0.320 / 1M |
| ???? | $0.400 / 1M | $3.200 / 1M |
| 输出令牌 | 5,214 | 8,680 |
| 推理令牌 | 162,432 | 96,890 |
| 响应时间（平均） | 42.13s | 52.13s |
| 响应时间（最大） | 204.02s | 168.22s |
| 响应时间（总计） | 505.59s | 990.48s |
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 | |
| Qwen3.6 27B | 8.3 | 10.0 | 75.0% | 0 | 12.62s | 582 | 4,311 |
| 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 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 168.22s | 433 | 17,861 |
| 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 | |
| Qwen3.6 27B | 7.0 | 3.7 | 66.7% | 1 | 83.07s | 2,088 | 14,689 |
| 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 | |
| Qwen3.6 27B | 3.5 | 1.4 | 50.0% | 2 | 37.30s | 568 | 9,404 |
| 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 | |
| Qwen3.6 27B | 2.9 | 7.2 | 11.1% | 1 | 73.38s | 3,510 | 20,352 |
| 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 | |
| Qwen3.6 27B | 6.5 | 3.4 | 66.7% | 1 | 39.53s | 81 | 3,045 |
| 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 | 11.90s | 382 | 4,096 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 37.96s | 346 | 6,548 |
| 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 | |
| Qwen3.6 27B | 7.7 | 10.0 | 66.7% | 0 | 60.21s | 281 | 11,919 |
| 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 | |
| Qwen3.6 27B | 10.0 | 10.0 | 100.0% | 0 | 16.88s | 390 | 2,954 |
| 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 | |
| Qwen3.6 27B | 3.0 | 10.0 | 0.0% | 0 | 80.99s | 401 | 5,807 |
快速对比
切换对比组合
Gemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemini 2.5 FlashnonevsGPT-5 NanomediumGPT-5.5nonevsQwen3.6 27BmediumDeepSeek V4 ProhighvsQwen3.6 27BmediumGPT-5 NanomediumvsMiMo-V2-OmninoneDeepSeek V4 PrononevsGPT-5 NanomediumGemma 4 31Bnone免费可用vsQwen3.6 27BmediumGemini 3.1 Flash LitenonevsQwen3.6 27BmediumGPT-5 NanomediumvsGLM 5noneSeed-2.0-LitenonevsGPT-5 NanomediumGPT-5 NanomediumvsGLM 5V Turbonone