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 Flash

摘要

GPT-5.2 Chat vs Qwen3.6 Flash benchmark 对比：GPT-5.2 Chat 平均分领先，为 7.9 vs 7.5。 Qwen3.6 Flash benchmark 成本更低，为 $0.288 vs $0.393。 GPT-5.2 Chat 更快，为 7.13s vs 19.25s，通过率为 74.6% vs 71.4%。

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Qwen3.6 Flash快约 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 Flash Qwen3.6 Flash medium 发布日期: 2026-04-20
分数 7.9 7.5
排名 #25 #40
可靠性 10.0 10.0
一致性 8.9 8.1
测试正确
尝试通过率 74.6% 71.4%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 2.803 3.030
总成本 $0.393 $0.288
输入价格 $1.750 / 1M $0.188 / 1M
输出价格 $14.000 / 1M $1.125 / 1M
总输入令牌 34,212 42,362
输出令牌 23,744 2,995
推理令牌 0 245,358
响应时间（平均） 7.13s 19.25s
响应时间（最大） 38.52s 122.87s
响应时间（总计） 149.69s 404.20s

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

#40 Qwen3.6 Flash

medium
Invalid SVG
Cost
$0.008
Time
29.9s
Tokens
6,784 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 Flash 10.0 10.0 100.0% 0 6.10s 672 624 14,024
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 Flash 5.0 5.1 44.5% 2 42.85s 7,895 495 67,967
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 Flash 10.0 10.0 100.0% 0 20.28s 14,934 483 13,839
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 Flash 10.0 10.0 100.0% 0 9.65s 7,782 270 13,155
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 Flash 3.5 4.4 33.3% 2 14.65s 771 60 24,409
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 Flash 4.8 9.9 0.0% 0 9.88s 516 140 5,445
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 Flash 10.0 10.0 100.0% 0 6.05s 699 102 7,423
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 Flash 8.2 7.2 88.9% 1 6.29s 696 460 10,860
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 Flash 10.0 10.0 100.0% 0 4.00s 8,193 335 1,188
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 Flash 3.0 10.0 0.0% 0 122.87s 204 26 87,048

快速对比

切换对比组合

GPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemini 3 Flash PreviewnonevsQwen3.6 FlashmediumGemma 4 31Bmedium免费可用vsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsQwen3.6 FlashmediumGPT-5.2 ChatnonevsQwen3.5-122B-A10BmediumGPT-5.2 ChatnonevsQwen3.5-27BmediumGemini 3.5 FlashminimalvsQwen3.6 FlashmediumDeepSeek V4 FlashhighvsGPT-5.2 Chatnone