AI BENCHY Compare

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.7 Max

Zusammenfassung

GPT-5.6 Sol (low) vs Qwen3.7 Max (medium) Benchmark-Vergleich: GPT-5.6 Sol (low) führt beim Durchschnittsscore mit 9.5 vs 9.4. Qwen3.7 Max (medium) hat die niedrigeren Benchmark-Kosten mit $0.523 vs $0.649. GPT-5.6 Sol (low) ist schneller mit 8.29s vs 16.02s, mit Erfolgsraten von 85.7% vs 88.9%.

Empfohlenes Modell: GPT-5.6 Sol (low) - Es hat hier die beste Punktzahl (9.5) und antwortet etwa 1.9x schneller als Qwen3.7 Max (medium).

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-07-09

Metrik	GPT-5.6 Sol GPT-5.6 Sol low Veröffentlichung: 2026-07-09	Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22

Metrik	GPT-5.6 Sol GPT-5.6 Sol low Veröffentlichung: 2026-07-09	Qwen3.7 Max Qwen3.7 Max medium Veröffentlichung: 2026-05-22
Punktzahl	9.5	9.4
Rang	#3	#4
Zuverlässigkeit	10.0	10.0
Konsistenz	9.2	9.6
Korrekte Tests
Erfolgsquote pro Versuch	85.7%	88.9%
Instabile Tests	2	1
Gesamtläufe	63	63
Kosten pro Ergebnis	3.816	5.517
Gesamtkosten	$0.649	$0.523
Eingabepreis	$5.000 / 1M	$1.250 / 1M
Ausgabepreis	$30.000 / 1M	$3.750 / 1M
Gesamte Eingabe-Token	34,218	42,360
Ausgabe-Token	1,898	2,129
Denk-Token	14,023	122,959
Antwortzeit (Durchschnitt)	8.29s	16.02s
Antwortzeit (Maximum)	53.91s	59.98s
Antwortzeit (Gesamt)	174.04s	336.51s

Generierungs-Showcase

Hamster playing table tennis

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

#3 GPT-5.6 Sol

low

Kosten: $0.062
Zeit: 26.7s
Token: 2,150 tok

#4 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-5.6 Sol	8.3	10.0	75.0%	0		2.60s	606	174	492
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-5.6 Sol	10.0	10.0	100.0%	0		11.25s	7,302	412	3,482
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-5.6 Sol	10.0	10.0	100.0%	0		9.87s	11,019	318	792
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-5.6 Sol	10.0	10.0	100.0%	0		1.82s	7,140	222	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-5.6 Sol	5.3	7.2	44.4%	1		29.07s	723	71	7,822
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-5.6 Sol	10.0	10.0	100.0%	0		3.07s	477	99	135
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-5.6 Sol	10.0	10.0	100.0%	0		2.27s	660	90	146
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-5.6 Sol	8.2	7.2	88.9%	1		3.44s	642	224	534
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-5.6 Sol	10.0	10.0	100.0%	0		7.56s	5,454	258	294
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-5.6 Sol	10.0	10.0	100.0%	0		3.67s	195	30	326
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Schnellvergleich

Vergleichspaar wechseln

GPT-5.6 SolhighvsQwen3.7 Maxmedium GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3.5 FlashlowvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.6 Sollow Claude Fable 5mediumvsGPT-5.6 Sollow Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Sollow Gemini 3.5 FlashmediumvsGPT-5.6 Sollow Gemini 3.5 FlashhighvsQwen3.7 Maxmedium GPT-5.6 SollowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.6 Sollow Claude Opus 4.7mediumvsGPT-5.6 Sollow