AI BENCHY Compare
OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.5 Plus 2026-02-15
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | OpenAI: GPT-5.2 Chat none Lansare: 2025-12-11 | Qwen: Qwen3.5 Plus 2026-02-15 medium Lansare: 2026-02-15 |
|---|---|---|
| Rang | #12 | #4 |
| Scor mediu | 7.41 | 8.64 |
| Consistență | 9.45 | 10.00 |
| Cost per rezultat | 2.261 | 1.955 |
| Cost total | $0.227 | $0.235 |
| Teste corecte | ||
| Rată de trecere pe încercare | 73.8% | 85.7% |
| Teste instabile | 1 | 0 |
| Tokenuri de ieșire | 14,267 | 1,258 |
| Tokenuri de raționament | 0 | 93,374 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,651 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.00 | 10.00 | 100.0% | 0 | 186 | 5,926 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 9.88 | 10.00 | 100.0% | 0 | 980 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.00 | 10.00 | 100.0% | 0 | 283 | 14,892 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 4.00 | 10.00 | 33.3% | 0 | 7,810 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 4.00 | 10.00 | 33.3% | 0 | 56 | 39,882 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 5.50 | 6.13 | 66.7% | 1 | 1,528 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 9.50 | 9.99 | 100.0% | 0 | 102 | 9,257 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 7.00 | 10.00 | 66.7% | 0 | 1,743 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.00 | 10.00 | 100.0% | 0 | 322 | 22,508 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 555 | 0 | |
| Qwen: Qwen3.5 Plus 2026-02-15 | 10.00 | 10.00 | 100.0% | 0 | 309 | 909 |
Comparație rapidă
Schimbă perechea de comparație
Claude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5mediumGemini 3 Flash PreviewlowvsQwen3.5 Plus 2026-02-15mediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 FlashmediumDisponibil gratuitGemini 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 Plus 2026-02-15mediumGemini 3.1 Flash Lite PreviewhighvsQwen3.5 Plus 2026-02-15medium