AI BENCHY 对比
已对比模型
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium | Qwen3.5-27B Qwen3.5-27B medium | GPT-5.4 GPT-5.4 medium |
|---|---|---|---|
| 排名 | #5 | #8 | #10 |
| 平均分 | 8.3 | 8.2 | 8.0 |
| 一致性 | 9.5 | 9.1 | 8.5 |
| 每个结果成本 | 1.264 | 3.585 | 6.601 |
| 总成本 | $0.165 | $0.431 | $0.793 |
| 测试正确 | |||
| 尝试通过率 | 85.4% | 81.3% | 83.3% |
| 不稳定测试 | 1 | 2 | 3 |
| 总运行次数 | 48 | 48 | 48 |
| 输出令牌 | 1,735 | 1,658 | 1,756 |
| 推理令牌 | 77,212 | 200,786 | 46,642 |
| 响应时间（平均） | 34.45s | 52.13s | 20.05s |
| 响应时间（最大） | 79.86s | 163.96s | 100.41s |
| 响应时间（总计） | 310.09s | 834.16s | 320.87s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 10.37s | 186 | 5,926 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 9.69s | 102 | 8,956 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 46.85s | 421 | 7,906 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 163.96s | 483 | 9,991 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 9.9 | 10.0 | 100.0% | 0 | 46.91s | 270 | 14,916 | |
| Qwen3.5-27B | 9.9 | 10.0 | 100.0% | 0 | 30.26s | 270 | 16,150 | |
| GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 4.0 | 10.0 | 33.3% | 0 | 17.50s | 35 | 16,680 | |
| Qwen3.5-27B | 4.0 | 10.0 | 33.3% | 0 | 79.53s | 43 | 52,368 | |
| GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 1.6 | 66.7% | 1 | 79.86s | 73 | 8,675 | |
| Qwen3.5-27B | 5.0 | 3.1 | 66.7% | 1 | 101.41s | 70 | 23,147 | |
| GPT-5.4 | 5.0 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 31.93s | 101 | 7,704 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 19.66s | 97 | 11,638 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 34.57s | 340 | 14,496 | |
| Qwen3.5-27B | 8.3 | 7.7 | 77.8% | 1 | 64.61s | 245 | 77,213 | |
| GPT-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5 Plus 2026-02-15 | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 309 | 909 | |
| Qwen3.5-27B | 10.0 | 10.0 | 100.0% | 0 | 7.45s | 348 | 1,323 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsQwen3.5-27BmediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGPT-5.3 ChatnonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGemini 3 Flash PreviewnonevsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5 Plus 2026-02-15medium