AI BENCHY 对比
ByteDance Seed: Seed-2.0-Lite vs Qwen: Qwen3.7 Max
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Seed-2.0-Lite Seed-2.0-Lite medium | Qwen3.7 Max Qwen3.7 Max medium |
|---|---|---|
| 分数 | 8.1 | 9.0 |
| 排名 | #21 | #5 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 9.6 |
| 测试正确 | ||
| 尝试通过率 | 75.0% | 88.3% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.170 | 5.540 |
| 总成本 | $0.153 | $0.942 |
| ???? | $0.250 / 1M | $2.500 / 1M |
| ???? | $2.000 / 1M | $7.500 / 1M |
| 输出令牌 | 3,282 | 2,109 |
| 推理令牌 | 67,287 | 110,285 |
| 响应时间（平均） | 36.79s | 13.83s |
| 响应时间（最大） | 168.71s | 33.37s |
| 响应时间（总计） | 735.86s | 276.53s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 8.3 | 10.0 | 75.0% | 0 | 17.99s | 996 | 7,142 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.36s | 222 | 8,742 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 7.0 | 9.7 | 50.0% | 0 | 107.65s | 452 | 20,524 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 22.98s | 403 | 22,134 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 37.67s | 506 | 4,299 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 19.60s | 366 | 8,405 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 9.07s | 246 | 1,742 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.80s | 270 | 6,254 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 5.9 | 7.2 | 55.6% | 1 | 88.74s | 15 | 23,897 | |
| Qwen3.7 Max | 5.9 | 7.2 | 55.6% | 1 | 24.94s | 61 | 31,793 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 6.7 | 3.6 | 66.7% | 1 | 18.25s | 304 | 1,620 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 11.70s | 135 | 4,457 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 7.26s | 71 | 1,480 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 7.46s | 102 | 5,452 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 9.0 | 7.9 | 88.9% | 1 | 11.03s | 461 | 3,532 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.84s | 259 | 8,908 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 12.38s | 222 | 1,011 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 267 | 1,220 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 3.0 | 10.0 | 0.0% | 0 | 48.32s | 9 | 2,040 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 33.37s | 24 | 12,920 |
快速对比
切换对比组合
GPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashnonevsQwen3.7 MaxmediumSeed-2.0-LitemediumvsGemini 3.5 FlashminimalSeed-2.0-LitemediumvsQwen3.7 MaxnoneGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3 Flash PreviewlowvsQwen3.7 MaxmediumSeed-2.0-LitemediumvsGemini 3 Flash PreviewnoneSeed-2.0-LitemediumvsGemini 3.1 Flash Lite PreviewlowSeed-2.0-LitemediumvsGPT-5.2 ChatnoneSeed-2.0-LitemediumvsGemini 3 Flash PreviewlowSeed-2.0-LitemediumvsGemini 3.1 Flash Lite PreviewnoneGemini 3.5 FlashhighvsQwen3.7 Maxmedium