AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark GPT-5.5 vs Qwen3.7 Max: Qwen3.7 Max unggul dalam skor rata-rata dengan 9.4 vs 9.0. Qwen3.7 Max memiliki biaya benchmark lebih rendah di $0.523 vs $3.679. Qwen3.7 Max lebih cepat di 16.02s vs 37.98s, dengan tingkat keberhasilan 87.3% vs 88.9%.

Model yang direkomendasikan: Qwen3.7 Max - It has the best score here (9.4), while costing about 7.0x less than GPT-5.5.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	Qwen3.7 Max Qwen3.7 Max medium Rilis: 2026-05-22
Skor	9.0	9.4
Peringkat	#9	#3
Keandalan	10.0	10.0
Konsistensi	8.9	9.6
Tes benar
Tingkat lulus per percobaan	87.3%	88.9%
Tes tidak stabil	3	1
Total Run	63	63
Biaya per hasil	21.638	5.517
Total Biaya	$3.679	$0.523
Harga input	$5.000 / 1M	$1.250 / 1M
Harga output	$30.000 / 1M	$3.750 / 1M
Total token input	34,212	42,360
Token output	1,985	2,129
Token penalaran	114,925	122,959
Waktu respons (rata-rata)	37.98s	16.02s
Waktu respons (maks)	332.10s	59.98s
Waktu respons (total)	797.60s	336.51s

Showcase generasi

Hamster playing table tennis

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

#9 GPT-5.5

medium

Biaya: $0.112
Waktu: 71.9s
Token: 3,807 tok

#3 Qwen3.7 Max

medium

Biaya: $0.017
Waktu: 68.8s
Token: 4,526 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-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsGPT-5.5medium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium DeepSeek V4 FlashhighvsGPT-5.5medium Gemini 3.5 FlashhighvsGPT-5.5medium GPT-5.2 ChatnonevsQwen3.7 Maxmedium DeepSeek V4 FlashhighvsQwen3.7 Maxmedium Claude Opus 4.8lowvsGPT-5.5medium GPT-5.5mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsGPT-5.5medium Gemini 3 Flash PreviewlowvsGPT-5.5medium