AI BENCHY 对比
OpenAI: GPT-5.2 Chat vs Qwen: Qwen3.7 Max
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | GPT-5.2 Chat GPT-5.2 Chat none | Qwen3.7 Max Qwen3.7 Max none |
|---|---|---|
| 分数 | 7.9 | 7.9 |
| 排名 | #32 | #28 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 73.3% | 70.0% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 2.703 | 0.719 |
| 总成本 | $0.352 | $0.051 |
| 输入价格 | $1.750 / 1M | $1.250 / 1M |
| 输出价格 | $14.000 / 1M | $3.750 / 1M |
| 输出令牌 | 21,144 | 1,988 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 6.82s | 1.30s |
| 响应时间（最大） | 38.52s | 3.92s |
| 响应时间（总计） | 136.34s | 25.95s |
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 | |
| Qwen3.7 Max | 6.5 | 10.0 | 50.0% | 0 | 1.08s | 242 | 0 |
| 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 | 8.2 | 6.7 | 83.3% | 1 | 8.05s | 4,131 | 0 | |
| Qwen3.7 Max | 6.8 | 10.0 | 50.0% | 0 | 1.39s | 576 | 0 |
| 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 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 2.17s | 171 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 0 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.35s | 243 | 0 |
| 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 | |
| Qwen3.7 Max | 7.7 | 10.0 | 66.7% | 0 | 975ms | 15 | 0 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 120 | 0 |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 5.51s | 1,441 | 0 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 943ms | 72 | 0 |
| 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 | 4.10s | 1,603 | 0 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.13s | 314 | 0 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 3.92s | 222 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 6.89s | 1,239 | 0 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 856ms | 13 | 0 |
快速对比
切换对比组合
GPT-5.4mediumvsQwen3.7 MaxnoneQwen3.7 MaxnonevsGLM 5 TurbomediumQwen3.7 MaxnonevsStep 3.7 FlashmediumGemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneGPT-5.2 ChatnonevsQwen3.5-27BmediumGemma 4 26B A4Bmedium免费可用vsQwen3.7 MaxnoneGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumGemma 4 31Bmedium免费可用vsQwen3.7 MaxnoneGPT-5.2 ChatnonevsGrok 4.3medium