AI BENCHY 对比
OpenAI: GPT-5.2 vs Qwen3.6 Plus Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-04
| 指标 | GPT-5.2 GPT-5.2 medium | Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium |
|---|---|---|
| 分数 | 7.3 | 8.5 |
| 排名 | #37 | #7 |
| 一致性 | 8.0 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 70.6% | 76.5% |
| 不稳定测试 | 4 | 0 |
| 总运行次数 | 51 | 49 |
| 每个结果成本 | 3.131 | 0.000 |
| 总成本 | $0.314 | $0.000 |
| ???? | $1.750 / 1M | $0.000 / 1M |
| ???? | $14.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,238 | 1,756 |
| 推理令牌 | 16,811 | 77,213 |
| 响应时间（平均） | 13.93s | 13.94s |
| 响应时间（最大） | 77.80s | 43.55s |
| 响应时间（总计） | 139.29s | 237.01s |
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 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 9.90s | 207 | 7,557 |
| 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 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 |
| 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 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 |
| 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 Plus Preview | 3.0 | 10.0 | 0.0% | 0 | 22.08s | 49 | 26,895 |
| 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 Plus Preview | 5.1 | 10.0 | 0.0% | 0 | 27.05s | 111 | 5,232 |
| 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 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 7.54s | 102 | 5,552 |
| Puzzle Solving | 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 | 7.7 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 6.11s | 298 | 6,868 |
| 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 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGPT-5.2mediumGemini 3 Flash PreviewlowvsQwen3.6 Plus PreviewmediumGemini 3.1 Flash Lite PreviewlowvsQwen3.6 Plus PreviewmediumGemini 3 Flash PreviewnonevsQwen3.6 Plus PreviewmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31BnonevsGPT-5.2mediumGPT-5.2mediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsQwen3.6 Plus PreviewmediumGPT-5.2 ChatnonevsQwen3.6 Plus PreviewmediumGemini 3 Flash PreviewnonevsGPT-5.2mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2medium