AI BENCHY Compare

OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.7 Max

Zusammenfassung

GPT-5.2 Chat vs Qwen3.7 Max Benchmark-Vergleich: Qwen3.7 Max führt beim Durchschnittsscore mit 9.4 vs 8.5. GPT-5.2 Chat hat die niedrigeren Benchmark-Kosten mit $0.393 vs $0.523. GPT-5.2 Chat ist schneller mit 7.13s vs 16.02s, mit Erfolgsraten von 74.6% vs 88.9%.

Empfohlenes Modell: Qwen3.7 Max - Es hat die stärkste Punktzahl in diesem Vergleich (9.4) und die beste Gesamtbalance aus Kosten und Antwortzeit über alle 2 Modelle.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-02

Metrik	GPT-5.2 Chat GPT-5.2 Chat none Veröffentlichung: 2025-12-11	Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22

Metrik	GPT-5.2 Chat GPT-5.2 Chat none Veröffentlichung: 2025-12-11	Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22
Punktzahl	8.5	9.4
Rang	#19	#3
Zuverlässigkeit	10.0	10.0
Konsistenz	8.9	9.6
Korrekte Tests
Erfolgsquote pro Versuch	74.6%	88.9%
Instabile Tests	3	1
Gesamtläufe	63	63
Kosten pro Ergebnis	2.803	5.517
Gesamtkosten	$0.393	$0.523
Eingabepreis	$1.750 / 1M	$1.250 / 1M
Ausgabepreis	$14.000 / 1M	$3.750 / 1M
Gesamte Eingabe-Token	34,212	42,360
Ausgabe-Token	23,744	2,129
Denk-Token	0	122,959
Antwortzeit (Durchschnitt)	7.13s	16.02s
Antwortzeit (Maximum)	38.52s	59.98s
Antwortzeit (Gesamt)	149.69s	336.51s

Generierungs-Showcase

Hamster playing table tennis

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

#19 GPT-5.2 Chat

none

Kosten: $0.010
Zeit: 15.3s
Token: 797 tok

#3 Qwen3.7 Max

medium

Kosten: $0.017
Zeit: 68.8s
Token: 4,526 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	0
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Schnellvergleich

Vergleichspaar wechseln

Seed-2.0-LitemediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.5lowvsQwen3.7 Maxmedium GPT-5.2 ChatnonevsGLM 5medium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium GPT-5.2 ChatnonevsGLM 5.2medium DeepSeek V4 FlashhighvsGPT-5.2 Chatnone Claude Opus 4.7mediumvsGPT-5.2 Chatnone Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsQwen3.7 Plusmedium Claude Opus 4.8mediumvsGPT-5.2 Chatnone Nemotron 3 Ultra 550b A55bmediumKostenlos verfügbarvsGPT-5.2 Chatnone