AI BENCHY 对比

OpenAI: GPT-5.2 vs Qwen: Qwen3.5-Flash

摘要

GPT-5.2 vs Qwen3.5-Flash benchmark 对比：GPT-5.2 平均分领先，为 8.4 vs 6.8。 Qwen3.5-Flash benchmark 成本更低，为 $0.080 vs $0.548。 GPT-5.2 更快，为 16.88s vs 63.29s，通过率为 71.4% vs 71.4%。

推荐模型: GPT-5.2 - 它在这里得分最高（8.4），同时响应速度比Qwen3.5-Flash快约 3.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11	Qwen3.5-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24

指标	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11	Qwen3.5-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24
分数	8.4	6.8
排名	#22	#70
可靠性	10.0	10.0
一致性	8.4	8.1
测试正确
尝试通过率	71.4%	71.4%
不稳定测试	4	5
总运行次数	63	63
每个结果成本	4.209	0.871
总成本	$0.548	$0.080
输入价格	$1.750 / 1M	$0.065 / 1M
输出价格	$14.000 / 1M	$0.260 / 1M
总输入令牌	33,967	38,926
输出令牌	2,901	2,088
推理令牌	31,932	294,598
响应时间（平均）	16.88s	63.29s
响应时间（最大）	77.80s	234.29s
响应时间（总计）	236.34s	1265.85s

生成展示

Hamster playing table tennis

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

#22 GPT-5.2

medium

成本: $0.047
时间: 49.2s
令牌: 3,396 tok

#70 Qwen3.5-Flash

medium

成本: $0.002
时间: 25.8s
令牌: 4,294 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	6.5	8.0	58.3%	1		7.81s	606	567	2,002
Qwen3.5-Flash	10.0	10.0	100.0%	0		59.11s	672	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912
Qwen3.5-Flash	3.7	7.2	22.2%	1		58.87s	6,685	302	90,081

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	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757
Qwen3.5-Flash	10.0	10.0	100.0%	0		17.78s	14,934	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420
Qwen3.5-Flash	7.3	5.9	83.3%	1		56.99s	6,061	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342
Qwen3.5-Flash	5.3	7.2	44.4%	1		146.50s	581	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269
Qwen3.5-Flash	6.1	3.1	66.7%	1		40.05s	516	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614
Qwen3.5-Flash	10.0	10.0	100.0%	0		63.49s	699	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）	输入令牌	输出令牌	推理令牌
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924
Qwen3.5-Flash	8.2	7.2	88.9%	1		27.61s	381	89	12,457

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	4.7	1.6	66.7%	1		10.30s	5,453	239	469
Qwen3.5-Flash	10.0	10.0	100.0%	0		10.33s	8,193	309	1,284

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	3.0	10.0	0.0%	0		28.18s	195	26	3,223
Qwen3.5-Flash	3.0	10.0	0.0%	0		48.98s	204	32	37,037

快速对比

切换对比组合