AI BENCHY Compare

OpenAI: GPT-5.2 vs Qwen: Qwen3.5-Flash

Rezumat

Comparație benchmark GPT-5.2 vs Qwen3.5-Flash: GPT-5.2 conduce la scorul mediu cu 8.4 vs 6.8. Qwen3.5-Flash are costul de benchmark mai mic, $0.080 vs $0.548. GPT-5.2 este mai rapid cu 16.88s vs 63.29s, cu rate de reușită de 71.4% vs 71.4%.

Model recomandat: GPT-5.2 - Are cel mai bun scor aici (8.4) și răspunde de aproximativ 3.7x mai rapid decât Qwen3.5-Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică	GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11	Qwen3.5-Flash Qwen3.5-Flash medium Lansare: 2026-02-24

Metrică	GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11	Qwen3.5-Flash Qwen3.5-Flash medium Lansare: 2026-02-24
Scor	8.4	6.8
Rang	#22	#70
Fiabilitate	10.0	10.0
Consistență	8.4	8.1
Teste corecte
Rată de trecere pe încercare	71.4%	71.4%
Teste instabile	4	5
Rulări totale	63	63
Cost per rezultat	4.209	0.871
Cost total	$0.548	$0.080
Preț de intrare	$1.750 / 1M	$0.065 / 1M
Preț de ieșire	$14.000 / 1M	$0.260 / 1M
Total tokenuri de intrare	33,967	38,926
Tokenuri de ieșire	2,901	2,088
Tokenuri de raționament	31,932	294,598
Timp de răspuns (mediu)	16.88s	63.29s
Timp de răspuns (maxim)	77.80s	234.29s
Timp de răspuns (total)	236.34s	1265.85s

Prezentare generare

Hamster playing table tennis

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

#22 GPT-5.2

medium

Cost: $0.047
Timp: 49.2s
Tokenuri: 3,396 tok

#70 Qwen3.5-Flash

medium

Cost: $0.002
Timp: 25.8s
Tokenuri: 4,294 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002
Qwen3.5-Flash	10.0	10.0	100.0%	0		59.11s	672	383	32,992

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912
Qwen3.5-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757
Qwen3.5-Flash	10.0	10.0	100.0%	0		17.78s	14,934	483	8,270

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420
Qwen3.5-Flash	7.3	5.9	83.3%	1		56.99s	6,061	235	16,237

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342
Qwen3.5-Flash	5.3	7.2	44.4%	1		146.50s	581	58	43,615

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269
Qwen3.5-Flash	6.1	3.1	66.7%	1		40.05s	516	99	38,486

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614
Qwen3.5-Flash	10.0	10.0	100.0%	0		63.49s	699	98	14,139

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924
Qwen3.5-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469
Qwen3.5-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223
Qwen3.5-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

Comparație rapidă

Schimbă perechea de comparație