比较图表

语言:

❤️ Made by XCS

AI BENCHY 对比

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

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标	OpenAI: GPT-5.2 medium 发布日期: 发布日期未知	Qwen: Qwen3.5 Plus 2026-02-15 medium 发布日期: 发布日期未知
排名	#12	#4
分数	6.93	8.64
一致性	8.22	10.00
每个结果成本	2.780	1.955
总成本	$0.251	$0.235
测试正确
错误测试数	5	2
尝试通过率	76.2%	85.7%
不稳定测试	3	0
输出令牌	1,869	1,258
推理令牌	14,190	93,374

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	输出令牌	推理令牌
OpenAI: GPT-5.2	7.00	7.28	77.8%	1		549	2,002
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		186	5,926

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	输出令牌	推理令牌
OpenAI: GPT-5.2	10.00	10.00	100.0%	0		234	499
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		283	14,892

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.2	4.00	7.21	55.6%	1		42	9,690
Qwen: Qwen3.5 Plus 2026-02-15	4.00	10.00	33.3%	0		56	39,882

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.2	9.50	10.00	100.0%	0		95	587
Qwen: Qwen3.5 Plus 2026-02-15	9.50	9.99	100.0%	0		102	9,257

Puzzle Solving	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.2	8.00	10.00	66.7%	0		710	943
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		322	22,508

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	输出令牌	推理令牌
OpenAI: GPT-5.2	1.00	1.62	66.7%	1		239	469
Qwen: Qwen3.5 Plus 2026-02-15	10.00	10.00	100.0%	0		309	909

切换对比组合

将 OpenAI: GPT-5.2 与...对比

将 Qwen: Qwen3.5 Plus 2026-02-15 与...对比