导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.2 vs Qwen: Qwen3.7 Plus

摘要

GPT-5.2 vs Qwen3.7 Plus benchmark 对比：GPT-5.2 平均分领先，为 8.4 vs 7.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.023 vs $0.548。 Qwen3.7 Plus 更快，为 2.85s vs 16.88s，通过率为 71.4% vs 47.6%。

推荐模型: Qwen3.7 Plus - 它提供了最佳整体取舍：得分有竞争力（7.2），成本低于GPT-5.2，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11 Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03
分数 8.4 7.2
排名 #22 #62
可靠性 10.0 10.0
一致性 8.4 10.0
测试正确
尝试通过率 71.4% 47.6%
不稳定测试 4 0
总运行次数 63 63
每个结果成本 4.209 0.276
总成本 $0.548 $0.023
输入价格 $1.750 / 1M $0.320 / 1M
输出价格 $14.000 / 1M $1.280 / 1M
总输入令牌 33,967 42,510
输出令牌 2,901 6,578
推理令牌 31,932 0
响应时间（平均） 16.88s 2.85s
响应时间（最大） 77.80s 29.38s
响应时间（总计） 236.34s 59.86s

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

#62 Qwen3.7 Plus

none
成本
$0.019
时间
213.5s
令牌
11,960 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
Qwen3.7 Plus 6.5 10.0 50.0% 0 1.38s 696 349 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
Qwen3.7 Plus 5.5 10.0 33.3% 0 2.15s 7,911 639 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 29.38s 14,952 4,505 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 1.43s 7,794 243 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
Qwen3.7 Plus 3.0 10.0 0.0% 0 868ms 789 18 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
Qwen3.7 Plus 5.3 10.0 0.0% 0 1.33s 522 78 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
Qwen3.7 Plus 6.3 10.0 50.0% 0 929ms 711 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
Qwen3.7 Plus 7.7 10.0 66.7% 0 1.71s 714 443 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
Qwen3.7 Plus 10.0 10.0 100.0% 0 3.54s 8,211 222 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
Qwen3.7 Plus 3.0 10.0 0.0% 0 1.21s 210 9 0

快速对比

切换对比组合

Gemma 4 26B A4Bmedium免费可用vsQwen3.7 PlusnoneQwen3.7 PlusnonevsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumLaguna XS 2.1medium免费可用vsQwen3.7 PlusnoneDeepSeek V4 FlashhighvsGPT-5.2mediumKimi K2.7 CodemediumvsQwen3.7 PlusnoneQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewlowvsQwen3.7 PlusnoneQwen3.7 PlusnonevsMiMo-V2.5-PromediumSeed-2.0-MinimediumvsQwen3.7 PlusnoneDeepSeek V3.2mediumvsQwen3.7 PlusnoneGemini 3.5 FlashminimalvsQwen3.7 Plusnone