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

AI BENCHY 对比

Google: Gemini 2.5 Flash vs Qwen: Qwen3.7 Plus

摘要

Gemini 2.5 Flash vs Qwen3.7 Plus benchmark 对比：Gemini 2.5 Flash 平均分领先，为 8.2 vs 8.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.177 vs $0.379。 Gemini 2.5 Flash 更快，为 15.49s vs 38.95s，通过率为 69.8% vs 77.8%。

推荐模型: Qwen3.7 Plus - 它的得分接近这里的最高分（8.2 vs 8.2），同时成本比Gemini 2.5 Flash低约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Gemini 2.5 Flash Gemini 2.5 Flash medium 发布日期: 2025-06-17 Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数 8.2 8.2
排名 #24 #25
可靠性 10.0 10.0
一致性 9.6 9.1
测试正确
尝试通过率 69.8% 77.8%
不稳定测试 1 2
总运行次数 63 63
每个结果成本 2.701 1.474
总成本 $0.379 $0.177
输入价格 $0.300 / 1M $0.320 / 1M
输出价格 $2.500 / 1M $1.280 / 1M
总输入令牌 34,476 40,939
输出令牌 1,930 2,125
推理令牌 145,145 125,754
响应时间（平均） 15.49s 38.95s
响应时间（最大） 95.48s 178.04s
响应时间（总计） 325.39s 817.85s

生成展示

Hamster playing table tennis

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

#24 Gemini 2.5 Flash

medium
无效SVG
成本
$0.000
时间
274.0s
令牌
0 tok

#25 Qwen3.7 Plus

medium
成本
$0.018
时间
193.2s
令牌
10,821 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 492 255 10,233
Qwen3.7 Plus 10.0 10.0 100.0% 0 8.58s 672 195 5,065
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
Qwen3.7 Plus 6.1 6.6 55.6% 1 108.60s 6,472 414 43,576
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 12,522 303 11,922
Qwen3.7 Plus 10.0 10.0 100.0% 0 65.24s 14,934 366 10,132
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 7,257 279 2,325
Qwen3.7 Plus 10.0 10.0 100.0% 0 21.75s 7,782 270 6,713
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 633 18 80,702
Qwen3.7 Plus 3.6 7.2 22.2% 1 45.35s 771 57 27,073
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 486 92 1,899
Qwen3.7 Plus 10.0 10.0 100.0% 0 25.48s 516 123 3,998
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 615 69 1,203
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.13s 699 102 5,013
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 558 126 2,499
Qwen3.7 Plus 10.0 10.0 100.0% 0 16.38s 696 280 7,312
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 5,088 234 1,140
Qwen3.7 Plus 10.0 10.0 100.0% 0 15.02s 8,193 292 1,831
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） 输入令牌 输出令牌 推理令牌
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 156 11 919
Qwen3.7 Plus 3.0 10.0 0.0% 0 91.07s 204 26 15,041

快速对比

切换对比组合

DeepSeek V4 FlashhighvsGemini 2.5 FlashmediumDeepSeek V4 FlashhighvsQwen3.7 PlusmediumGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumQwen3.7 PlusmediumvsStep 3.7 FlashlowGemini 2.5 FlashmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsQwen3.7 PlusmediumDeepSeek V4 ProhighvsGemini 2.5 FlashmediumGPT-5.3 ChatnonevsQwen3.7 PlusmediumGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsQwen3.7 PlusmediumClaude Sonnet 4.6nonevsQwen3.7 Plusmedium