Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

OpenAI: GPT-5.4 vs Qwen: Qwen3.7 Max

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05 Qwen3.7 Max Qwen3.7 Max medium Lansare: 2026-05-22
Scor 8.0 9.1
Rang #21 #5
Fiabilitate 10.0 10.0
Consistență 8.6 9.6
Teste corecte
Rată de trecere pe încercare 76.2% 88.9%
Teste instabile 4 1
Rulări totale 63 63
Cost per rezultat 8.640 5.517
Cost total $1.210 $0.523
Preț de intrare $2.500 / 1M $1.250 / 1M
Preț de ieșire $15.000 / 1M $3.750 / 1M
Total tokenuri de intrare 34,108 42,360
Tokenuri de ieșire 2,242 2,129
Tokenuri de raționament 72,707 122,959
Timp de răspuns (mediu) 22.35s 16.02s
Timp de răspuns (maxim) 100.41s 59.98s
Timp de răspuns (total) 469.29s 336.51s

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-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
Qwen3.7 Max 10.0 10.0 100.0% 0 6.36s 672 222 8,742
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-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
Qwen3.7 Max 10.0 10.0 100.0% 0 35.31s 7,893 423 34,808
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-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
Qwen3.7 Max 10.0 10.0 100.0% 0 19.60s 14,934 366 8,405
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-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
Qwen3.7 Max 10.0 10.0 100.0% 0 8.80s 7,782 270 6,254
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-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
Qwen3.7 Max 5.9 7.2 55.6% 1 24.94s 771 61 31,793
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-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
Qwen3.7 Max 10.0 10.0 100.0% 0 11.70s 516 135 4,457
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-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
Qwen3.7 Max 10.0 10.0 100.0% 0 7.46s 699 102 5,452
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-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
Qwen3.7 Max 10.0 10.0 100.0% 0 8.84s 696 259 8,908
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-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
Qwen3.7 Max 10.0 10.0 100.0% 0 6.63s 8,193 267 1,220
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-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920

Comparație rapidă

Schimbă perechea de comparație

GPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashminimalvsGPT-5.4mediumGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3 Flash PreviewlowvsQwen3.7 MaxmediumGPT-5.4mediumvsStep 3.7 Flashlow