Navigation
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.5 vs Qwen: Qwen3.7 Max

Zusammenfassung

GPT-5.5 vs Qwen3.7 Max Benchmark-Vergleich: Der Durchschnittsscore ist mit 9.3 vs 9.4 praktisch gleichauf. Qwen3.7 Max hat die niedrigeren Benchmark-Kosten mit $0.523 vs $0.907. GPT-5.5 ist schneller mit 9.76s vs 16.02s, mit Erfolgsraten von 85.7% vs 88.9%.

Empfohlenes Modell: Qwen3.7 Max - Es hat hier die beste Punktzahl (9.4) und kostet etwa 1.7x weniger als GPT-5.5.

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

Metrik GPT-5.5 GPT-5.5 low Veröffentlichung: 2026-04-24 Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22
Punktzahl 9.3 9.4
Rang #4 #3
Zuverlässigkeit 10.0 10.0
Konsistenz 10.0 9.6
Korrekte Tests
Erfolgsquote pro Versuch 85.7% 88.9%
Instabile Tests 0 1
Gesamtläufe 63 63
Kosten pro Ergebnis 5.035 5.517
Gesamtkosten $0.907 $0.523
Eingabepreis $5.000 / 1M $1.250 / 1M
Ausgabepreis $30.000 / 1M $3.750 / 1M
Gesamte Eingabe-Token 34,209 42,360
Ausgabe-Token 2,046 2,129
Denk-Token 22,460 122,959
Antwortzeit (Durchschnitt) 9.76s 16.02s
Antwortzeit (Maximum) 56.19s 59.98s
Antwortzeit (Gesamt) 204.92s 336.51s

Generierungs-Showcase

Hamster playing table tennis

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

#4 GPT-5.5

low
Kosten
$0.068
Zeit
37.0s
Token
2,339 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920

Schnellvergleich

Vergleichspaar wechseln

Claude Fable 5mediumvsGPT-5.5lowGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5medium