AI BENCHY Compare

OpenAI: GPT-5.2 vs Qwen: Qwen3.6 27B

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-05-22

Метрика	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11	Qwen3.6 27B Qwen3.6 27B medium Релиз: 2026-04-20

Метрика	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11	Qwen3.6 27B Qwen3.6 27B medium Релиз: 2026-04-20
Оценка	7.4	6.6
Ранг	#57	#83
Надежность	10.0	9.9
Стабильность	8.3	8.1
Тестов верно
Доля успешных попыток	70.0%	58.3%
Нестабильные тесты	4	5
Всего запусков	60	60
Стоимость за результат	4.081	3.015
Общая стоимость	$0.490	$0.272
???? ?????	$1.750 / 1M	$0.317 / 1M
???? ??????	$14.000 / 1M	$3.200 / 1M
Выходные токены	2,754	13,007
Токены рассуждений	28,303	105,697
Время ответа (среднее)	16.44s	57.65s
Время ответа (макс.)	77.80s	168.22s
Время ответа (суммарно)	213.77s	1153.04s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	6.5	8.0	58.3%	1		7.81s	567	2,002
Qwen3.6 27B	8.3	10.0	75.0%	0		12.62s	582	4,311

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		23.15s	490	8,269
Qwen3.6 27B	6.6	10.0	50.0%	0		165.39s	4,760	26,668

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		14.06s	291	1,757
Qwen3.6 27B	7.0	3.7	66.7%	1		83.07s	2,088	14,689

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	10.0	10.0	100.0%	0		3.15s	234	420
Qwen3.6 27B	3.5	1.4	50.0%	2		37.30s	568	9,404

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	5.9	7.2	55.6%	1		77.80s	42	10,342
Qwen3.6 27B	2.9	7.2	11.1%	1		73.38s	3,510	20,352

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	3.7	9.7	0.0%	0		4.32s	162	269
Qwen3.6 27B	6.5	3.4	66.7%	1		39.53s	81	3,045

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	9.9	10.0	100.0%	0		3.12s	94	614
Qwen3.6 27B	10.0	10.0	100.0%	0		37.96s	346	6,548

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	7.6	7.3	77.8%	1		5.47s	609	938
Qwen3.6 27B	7.7	10.0	66.7%	0		60.21s	281	11,919

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	4.7	1.6	66.7%	1		10.30s	239	469
Qwen3.6 27B	10.0	10.0	100.0%	0		16.88s	390	2,954

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Выходные токены	Токены рассуждений
GPT-5.2	3.0	10.0	0.0%	0		28.18s	26	3,223
Qwen3.6 27B	3.0	10.0	0.0%	0		80.99s	401	5,807

Быстрое сравнение

Сменить пару сравнения

DeepSeek V4 FlashhighБесплатно доступноvsGPT-5.2medium Qwen3.6 27BmediumvsGrok Build 0.1none Gemini 3.1 Flash LitenonevsQwen3.6 27Bmedium GPT-5.5nonevsQwen3.6 27Bmedium Gemini 3.1 Flash LitelowvsGPT-5.2medium DeepSeek V4 ProhighvsQwen3.6 27Bmedium Gemini 3.1 Flash Lite PreviewnonevsGPT-5.2medium Gemini 3.1 Flash LiteminimalvsQwen3.6 27Bmedium Gemma 4 31BnoneБесплатно доступноvsQwen3.6 27Bmedium Ring-2.6-1TnonevsGPT-5.2medium Gemini 3.1 Flash Lite PreviewlowvsGPT-5.2medium Gemini 3 Flash PreviewnonevsGPT-5.2medium