AI BENCHY Compare
OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.5-27B
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-03
| Metrik | OpenAI: GPT-5.2 Chat none Rilis: 2025-12-11 | Qwen: Qwen3.5-27B medium Rilis: 2026-02-24 |
|---|---|---|
| Peringkat | #12 | #5 |
| Skor Rata-rata | 7.41 | 8.55 |
| Konsistensi | 9.45 | 9.55 |
| Biaya per hasil | 2.261 | 2.950 |
| Total Biaya | $0.227 | $0.325 |
| Tes benar | ||
| Tingkat lulus per percobaan | 73.8% | 83.3% |
| Tes tidak stabil | 1 | 1 |
| Token output | 14,267 | 1,091 |
| Token penalaran | 0 | 131,807 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,651 | 0 | |
| Qwen: Qwen3.5-27B | 10.00 | 10.00 | 100.0% | 0 | 102 | 8,956 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 9.88 | 10.00 | 100.0% | 0 | 980 | 0 | |
| Qwen: Qwen3.5-27B | 9.88 | 10.00 | 100.0% | 0 | 270 | 16,150 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 4.00 | 10.00 | 33.3% | 0 | 7,810 | 0 | |
| Qwen: Qwen3.5-27B | 4.00 | 10.00 | 33.3% | 0 | 43 | 52,368 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 5.50 | 6.13 | 66.7% | 1 | 1,528 | 0 | |
| Qwen: Qwen3.5-27B | 9.00 | 6.88 | 83.3% | 1 | 97 | 11,638 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 7.00 | 10.00 | 66.7% | 0 | 1,743 | 0 | |
| Qwen: Qwen3.5-27B | 10.00 | 10.00 | 100.0% | 0 | 231 | 41,372 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 555 | 0 | |
| Qwen: Qwen3.5-27B | 10.00 | 10.00 | 100.0% | 0 | 348 | 1,323 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Claude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5mediumGemini 3 Flash PreviewlowvsQwen3.5-27BmediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 FlashmediumTersedia gratisGemini 3.1 Flash Lite PreviewlowvsGPT-5.2 ChatnoneDeepSeek V3.2mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-27BmediumGemini 3.1 Flash Lite PreviewhighvsQwen3.5-27Bmedium