Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

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

Resumen

Comparación benchmark de GPT-5.2 vs Qwen3.7 Plus: GPT-5.2 lidera en puntuación media con 8.4 vs 8.2. Qwen3.7 Plus tiene menor coste de benchmark con $0.177 vs $0.548. GPT-5.2 es más rápido con 16.88s vs 38.95s, con tasas de acierto de 71.4% vs 77.8%.

Modelo recomendado: Qwen3.7 Plus - Su puntuación se mantiene cerca de la mejor aquí (8.2 vs 8.4) y cuesta aproximadamente 3.1x menos que GPT-5.2.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica GPT-5.2 GPT-5.2 medium Lanzamiento: 2025-12-11 Qwen3.7 Plus Qwen3.7 Plus medium Lanzamiento: 2026-06-03
Puntuación 8.4 8.2
Rango #22 #25
Fiabilidad 10.0 10.0
Consistencia 8.4 9.1
Pruebas correctas
Tasa de aciertos por intento 71.4% 77.8%
Pruebas inestables 4 2
Ejecuciones totales 63 63
Costo por resultado 4.209 1.474
Costo total $0.548 $0.177
Precio de entrada $1.750 / 1M $0.320 / 1M
Precio de salida $14.000 / 1M $1.280 / 1M
Total de tokens de entrada 33,967 40,939
Tokens de salida 2,901 2,125
Tokens de razonamiento 31,932 125,754
Tiempo de respuesta (promedio) 16.88s 38.95s
Tiempo de respuesta (máximo) 77.80s 178.04s
Tiempo de respuesta (total) 236.34s 817.85s

Generación showcase

Hamster playing table tennis

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

#22 GPT-5.2

medium
Coste
$0.047
Tiempo
49.2s
Tokens
3,396 tok

#25 Qwen3.7 Plus

medium
Coste
$0.018
Tiempo
193.2s
Tokens
10,821 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 6.5 8.0 58.3% 1 7.81s 606 567 2,002
Qwen3.7 Plus 10.0 10.0 100.0% 0 8.58s 672 195 5,065
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912
Qwen3.7 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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 65.24s 14,934 366 10,132
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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 21.75s 7,782 270 6,713
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 5.9 7.2 55.6% 1 77.80s 473 42 10,342
Qwen3.7 Plus 3.6 7.2 22.2% 1 45.35s 771 57 27,073
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 3.7 9.7 0.0% 0 4.32s 477 162 269
Qwen3.7 Plus 10.0 10.0 100.0% 0 25.48s 516 123 3,998
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 9.9 10.0 100.0% 0 3.12s 660 94 614
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.13s 699 102 5,013
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.2 7.5 7.3 77.8% 1 5.80s 642 735 924
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.38s 696 280 7,312
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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 15.02s 8,193 292 1,831
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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 91.07s 204 26 15,041

Comparación rápida

Cambiar par de comparación

DeepSeek V4 FlashhighvsQwen3.7 PlusmediumDeepSeek V4 FlashhighvsGPT-5.2mediumGPT-5.2 ChatnonevsQwen3.7 PlusmediumQwen3.7 PlusmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.7 PlusmediumGPT-5.3 ChatnonevsQwen3.7 PlusmediumGPT-5.2mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.2mediumGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumGemini 3.5 FlashlowvsGPT-5.2mediumClaude Sonnet 4.6nonevsQwen3.7 PlusmediumClaude Opus 4.8nonevsQwen3.7 Plusmedium