AI BENCHY 对比
OpenAI: GPT-5.2 vs Qwen: Qwen3.6 Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | GPT-5.2 GPT-5.2 medium | Qwen3.6 Flash Qwen3.6 Flash medium |
|---|---|---|
| 分数 | 7.2 | 7.5 |
| 排名 | #65 | #55 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.2 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 68.4% | 71.9% |
| 不稳定测试 | 4 | 5 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 3.609 | 2.768 |
| 总成本 | $0.397 | $0.305 |
| ???? | $1.750 / 1M | $0.188 / 1M |
| ???? | $14.000 / 1M | $1.125 / 1M |
| 输出令牌 | 2,731 | 2,830 |
| 推理令牌 | 22,200 | 194,258 |
| 响应时间（平均） | 15.22s | 15.85s |
| 响应时间（最大） | 77.80s | 122.87s |
| 响应时间（总计） | 182.59s | 301.13s |
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 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.10s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 15.12s | 467 | 2,166 | |
| Qwen3.6 Flash | 6.7 | 3.5 | 66.7% | 1 | 25.84s | 435 | 17,044 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 20.28s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 9.65s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 | |
| Qwen3.6 Flash | 3.5 | 4.4 | 33.3% | 2 | 14.65s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 | |
| Qwen3.6 Flash | 4.8 | 9.9 | 0.0% | 0 | 9.88s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.05s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 7.6 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 | |
| Qwen3.6 Flash | 6.1 | 4.7 | 66.7% | 2 | 6.17s | 355 | 10,683 |
| 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 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 | |
| Qwen3.6 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.00s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 3.0 | 10.0 | 0.0% | 0 | 28.18s | 26 | 3,223 | |
| Qwen3.6 Flash | 3.0 | 10.0 | 0.0% | 0 | 122.87s | 26 | 87,048 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGPT-5.2mediumRing-2.6-1TnonevsGPT-5.2mediumDeepSeek V4 Flashhigh免费可用vsQwen3.6 FlashmediumGPT-5.2mediumvsQwen3.6 Max PreviewnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumGemini 3.1 Flash LitelowvsQwen3.6 FlashmediumGPT-5.2 ChatnonevsQwen3.6 FlashmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.6 FlashmediumRing-2.6-1TnonevsQwen3.6 FlashmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 FlashmediumClaude Sonnet 4.6nonevsQwen3.6 FlashmediumGemma 4 31Bnone免费可用vsGPT-5.2medium