导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.5 Plus 2026-02-15

摘要

GPT-5.2 Chat vs Qwen3.5 Plus 2026-02-15 benchmark 对比：平均分几乎持平，为 7.9 vs 7.9。 Qwen3.5 Plus 2026-02-15 benchmark 成本更低，为 $0.310 vs $0.393。 GPT-5.2 Chat 更快，为 7.13s vs 73.79s，通过率为 74.6% vs 73.0%。

推荐模型: GPT-5.2 Chat - 它在这里得分最高（7.9），同时响应速度比Qwen3.5 Plus 2026-02-15快约 10.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标 GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11 Qwen3.5 Plus 2026-02-15 Qwen3.5 Plus 2026-02-15 medium 发布日期: 2026-02-15
分数 7.9 7.9
排名 #24 #25
可靠性 10.0 10.0
一致性 8.9 8.8
测试正确
尝试通过率 74.6% 73.0%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 2.803 2.445
总成本 $0.393 $0.310
输入价格 $1.750 / 1M $0.260 / 1M
输出价格 $14.000 / 1M $1.560 / 1M
总输入令牌 34,212 40,918
输出令牌 23,744 2,159
推理令牌 0 189,604
响应时间（平均） 7.13s 73.79s
响应时间（最大） 38.52s 266.69s
响应时间（总计） 149.69s 1033.07s

Generation showcase

Hamster playing table tennis

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

#24 GPT-5.2 Chat

none
Cost
$0.010
Time
15.3s
Tokens
797 tok

#25 Qwen3.5 Plus 2026-02-15

medium
Cost
$0.011
Time
125.5s
Tokens
7,040 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
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
Qwen3.5 Plus 2026-02-15 8.2 7.9 83.3% 1 45.78s 672 205 21,236
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
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
Qwen3.5 Plus 2026-02-15 6.6 7.1 44.4% 1 180.70s 6,950 420 80,595
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.85s 14,934 421 7,906
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 46.91s 7,782 270 14,916
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
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
Qwen3.5 Plus 2026-02-15 5.3 10.0 33.3% 0 17.50s 444 35 16,680
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
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
Qwen3.5 Plus 2026-02-15 4.7 1.6 66.7% 1 79.86s 344 73 8,675
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
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 31.93s 699 101 7,704
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
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 32.50s 696 301 13,853
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
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
Qwen3.5 Plus 2026-02-15 10.0 10.0 100.0% 0 7.54s 8,193 309 909
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
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0
Qwen3.5 Plus 2026-02-15 3.0 10.0 0.0% 0 103.81s 204 24 17,130

快速对比

切换对比组合

GPT-5.2 ChatnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemma 4 31Bmedium免费可用vsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.5-122B-A10BmediumDeepSeek V4 FlashhighvsQwen3.5 Plus 2026-02-15mediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3.5 FlashnonevsQwen3.5 Plus 2026-02-15mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneSeed-2.0-LitemediumvsGPT-5.2 ChatnoneGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-02-15medium