AI BENCHY Compare

OpenAI: GPT-5.4 Mini vs Qwen: Qwen3.7 Plus

Ringkasan

Perbandingan benchmark GPT-5.4 Mini vs Qwen3.7 Plus: Qwen3.7 Plus unggul dalam skor rata-rata dengan 8.2 vs 8.0. Qwen3.7 Plus memiliki biaya benchmark lebih rendah di $0.177 vs $0.526. GPT-5.4 Mini lebih cepat di 22.34s vs 38.95s, dengan tingkat keberhasilan 73.0% vs 77.8%.

Model yang direkomendasikan: Qwen3.7 Plus - It has the best score here (8.2), while costing about 3.0x less than GPT-5.4 Mini.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03

Metrik	GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17	Qwen3.7 Plus Qwen3.7 Plus medium Rilis: 2026-06-03
Skor	8.0	8.2
Peringkat	#30	#28
Keandalan	10.0	10.0
Konsistensi	8.0	9.1
Tes benar
Tingkat lulus per percobaan	73.0%	77.8%
Tes tidak stabil	5	2
Total Run	63	63
Biaya per hasil	4.381	1.474
Total Biaya	$0.526	$0.177
Harga input	$0.750 / 1M	$0.320 / 1M
Harga output	$4.500 / 1M	$1.280 / 1M
Total token input	34,116	40,939
Token output	2,181	2,125
Token penalaran	108,937	125,754
Waktu respons (rata-rata)	22.34s	38.95s
Waktu respons (maks)	138.75s	178.04s
Waktu respons (total)	469.20s	817.85s

Generation showcase

Hamster playing table tennis

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

#30 GPT-5.4 Mini

medium

Cost: $0.056
Time: 95.5s
Tokens: 12,464 tok

#28 Qwen3.7 Plus

medium

Cost: $0.018
Time: 193.2s
Tokens: 10,821 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V4 FlashhighvsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsGPT-5.4 Minimedium GPT-5.4 MinimediumvsStep 3.7 Flashlow GPT-5.2 ChatnonevsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsStep 3.7 Flashlow Gemini 3 Flash PreviewlowvsGPT-5.4 Minimedium GPT-5.3 ChatnonevsQwen3.7 Plusmedium Claude Sonnet 4.6nonevsGPT-5.4 Minimedium Claude Opus 4.8nonevsGPT-5.4 Minimedium Gemini 3 Flash PreviewlowvsQwen3.7 Plusmedium GPT-5.4 MinimediumvsQwen3.7 Plusnone Claude Sonnet 4.6nonevsQwen3.7 Plusmedium