AI BENCHY Compare

OpenAI: GPT-5.2 vs Qwen: Qwen3.7 Plus

Zusammenfassung

GPT-5.2 vs Qwen3.7 Plus Benchmark-Vergleich: GPT-5.2 führt beim Durchschnittsscore mit 8.4 vs 7.2. Qwen3.7 Plus hat die niedrigeren Benchmark-Kosten mit $0.023 vs $0.548. Qwen3.7 Plus ist schneller mit 2.85s vs 16.88s, mit Erfolgsraten von 71.4% vs 47.6%.

Empfohlenes Modell: Qwen3.7 Plus - Es bietet den besten Gesamtkompromiss: wettbewerbsfähige Punktzahl (7.2), niedrigere Kosten als GPT-5.2 und ausgewogene Antwortzeit.

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

Metrik	GPT-5.2 GPT-5.2 medium Veröffentlichung: 2025-12-11	Qwen3.7 Plus Qwen3.7 Plus none Veröffentlichung: 2026-06-03

Metrik	GPT-5.2 GPT-5.2 medium Veröffentlichung: 2025-12-11	Qwen3.7 Plus Qwen3.7 Plus none Veröffentlichung: 2026-06-03
Punktzahl	8.4	7.2
Rang	#22	#62
Zuverlässigkeit	10.0	10.0
Konsistenz	8.4	10.0
Korrekte Tests
Erfolgsquote pro Versuch	71.4%	47.6%
Instabile Tests	4	0
Gesamtläufe	63	63
Kosten pro Ergebnis	4.209	0.276
Gesamtkosten	$0.548	$0.023
Eingabepreis	$1.750 / 1M	$0.320 / 1M
Ausgabepreis	$14.000 / 1M	$1.280 / 1M
Gesamte Eingabe-Token	33,967	42,510
Ausgabe-Token	2,901	6,578
Denk-Token	31,932	0
Antwortzeit (Durchschnitt)	16.88s	2.85s
Antwortzeit (Maximum)	77.80s	29.38s
Antwortzeit (Gesamt)	236.34s	59.86s

Generierungs-Showcase

Hamster playing table tennis

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

#22 GPT-5.2

medium

Kosten: $0.047
Zeit: 49.2s
Token: 3,396 tok

#62 Qwen3.7 Plus

none

Kosten: $0.019
Zeit: 213.5s
Token: 11,960 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	6.5	8.0	58.3%	1		7.81s	606	567	2,002
Qwen3.7 Plus	6.5	10.0	50.0%	0		1.38s	696	349	0

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912
Qwen3.7 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	0

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757
Qwen3.7 Plus	10.0	10.0	100.0%	0		29.38s	14,952	4,505	0

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	0

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342
Qwen3.7 Plus	3.0	10.0	0.0%	0		868ms	789	18	0

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269
Qwen3.7 Plus	5.3	10.0	0.0%	0		1.33s	522	78	0

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614
Qwen3.7 Plus	6.3	10.0	50.0%	0		929ms	711	72	0

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924
Qwen3.7 Plus	7.7	10.0	66.7%	0		1.71s	714	443	0

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469
Qwen3.7 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	0

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Korrekte Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0

Schnellvergleich

Vergleichspaar wechseln

Gemma 4 26B A4BmediumKostenlos verfügbarvsQwen3.7 Plusnone Qwen3.7 PlusnonevsStep 3.7 Flashhigh Qwen3.7 PlusnonevsGLM 5.1medium Laguna XS 2.1mediumKostenlos verfügbarvsQwen3.7 Plusnone DeepSeek V4 FlashhighvsGPT-5.2medium Kimi K2.7 CodemediumvsQwen3.7 Plusnone Qwen3.7 PlusnonevsGrok 4.20medium Gemini 3 Flash PreviewlowvsQwen3.7 Plusnone Qwen3.7 PlusnonevsMiMo-V2.5-Promedium Seed-2.0-MinimediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsQwen3.7 Plusnone