AI BENCHY 对比
OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.5-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | GPT-5.2 Chat GPT-5.2 Chat none | Qwen3.5-Flash Qwen3.5-Flash medium |
|---|---|---|
| 分数 | 7.9 | 7.8 |
| 排名 | #28 | #32 |
| 一致性 | 8.7 | 7.3 |
| 测试正确 | ||
| 尝试通过率 | 75.9% | 81.5% |
| 不稳定测试 | 3 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.424 | 0.719 |
| 总成本 | $0.291 | $0.080 |
| ???? | $1.750 / 1M | $0.065 / 1M |
| ???? | $14.000 / 1M | $0.260 / 1M |
| 输出令牌 | 17,346 | 2,073 |
| 推理令牌 | 0 | 191,899 |
| 响应时间（平均） | 6.84s | 66.72s |
| 响应时间（最大） | 38.52s | 234.29s |
| 响应时间（总计） | 123.17s | 1201.03s |
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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 1,807 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 59.11s | 383 | 32,992 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.97s | 1,345 | 0 | |
| Qwen3.5-Flash | 4.7 | 1.6 | 66.7% | 1 | 45.75s | 246 | 12,600 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 17.78s | 483 | 8,270 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 0 | |
| Qwen3.5-Flash | 7.3 | 5.9 | 83.3% | 1 | 56.99s | 235 | 16,237 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 5.3 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 | |
| Qwen3.5-Flash | 5.3 | 7.2 | 44.4% | 1 | 146.50s | 58 | 43,615 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 335 | 0 | |
| Qwen3.5-Flash | 6.1 | 3.1 | 66.7% | 1 | 40.05s | 99 | 38,486 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.5 | 6.1 | 83.3% | 1 | 5.46s | 1,528 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 63.49s | 98 | 14,139 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.42s | 1,743 | 0 | |
| Qwen3.5-Flash | 6.4 | 4.4 | 77.8% | 2 | 56.74s | 162 | 24,276 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 | |
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 10.33s | 309 | 1,284 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.5 FlashmediumDeepSeek V3.2mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewnonevsQwen3.5-FlashmediumGPT-5.2 ChatnonevsGLM 5V TurbomediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5.1mediumGPT-5.3 ChatnonevsQwen3.5-FlashmediumGPT-5.2 ChatnonevsMiMo-V2-PromediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 PlusmediumGPT-5.2 ChatnonevsQwen3.5-122B-A10Bmedium