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

OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.6 35B A3B

摘要

GPT-5.2 Chat vs Qwen3.6 35B A3B benchmark 对比：GPT-5.2 Chat 平均分领先，为 7.9 vs 7.4。 Qwen3.6 35B A3B benchmark 成本更低，为 $0.146 vs $0.393。 GPT-5.2 Chat 更快，为 7.13s vs 18.08s，通过率为 74.6% vs 63.5%。

推荐模型: Qwen3.6 35B A3B - 它的得分接近这里的最高分（7.4 vs 7.9），同时成本比GPT-5.2 Chat低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11 Qwen3.6 35B A3B Qwen3.6 35B A3B medium 发布日期: 2026-04-20
分数 7.9 7.4
排名 #25 #47
可靠性 10.0 10.0
一致性 8.9 9.6
测试正确
尝试通过率 74.6% 63.5%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 2.803 1.094
总成本 $0.393 $0.146
输入价格 $1.750 / 1M $0.140 / 1M
输出价格 $14.000 / 1M $1.000 / 1M
总输入令牌 34,212 16,385
输出令牌 23,744 19,632
推理令牌 0 130,219
响应时间（平均） 7.13s 18.08s
响应时间（最大） 38.52s 86.11s
响应时间（总计） 149.69s 343.61s

Generation showcase

Hamster playing table tennis

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

#25 GPT-5.2 Chat

none
Cost
$0.010
Time
15.3s
Tokens
797 tok

#47 Qwen3.6 35B A3B

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 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
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 6.02s 672 1,154 12,385
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
Qwen3.6 35B A3B 7.7 10.0 66.7% 0 50.55s 5,051 7,929 37,223
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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 0
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
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 12.99s 7,776 2,591 9,968
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
Qwen3.6 35B A3B 5.3 7.2 44.4% 1 22.50s 771 6,193 39,116
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
Qwen3.6 35B A3B 4.4 9.9 0.0% 0 8.66s 516 129 4,569
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
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 7.50s 699 219 7,404
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
Qwen3.6 35B A3B 8.0 10.0 66.7% 0 5.95s 696 655 9,228
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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 0
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
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 32.90s 204 762 10,326

快速对比

切换对比组合

GPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGemini 3 Flash PreviewnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3BmediumGPT-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-A10BmediumQwen3.6 35B A3BmediumvsStep 3.7 FlashlowGPT-5.2 ChatnonevsQwen3.5-27BmediumDeepSeek V4 FlashhighvsGPT-5.2 Chatnone