OpenAI: GPT-5.3 Chat vs Qwen: Qwen3.7 Max

GPT-5.3 Chat 平均分领先，为 7.5 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $0.571。 Qwen3.7 Max 更快，为 4.52s vs 6.88s，通过率为 68.2% vs 68.2%。

推荐模型Qwen3.7 Max它的得分接近这里的最高分（7.4 vs 7.5），同时成本比GPT-5.3 Chat低约 2.9 倍。

排名: #62
尝试通过率: 68.2%
总输出令牌: 30,854
响应时间（平均）: 6.88s
总成本: $0.571

排名: #67
尝试通过率: 68.2%
总输出令牌: 12,446
响应时间（平均）: 4.52s
总成本: $0.197

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数	7.5	7.4
排名	#62	#67
可靠性	10.0	9.9
一致性	8.2	10.0
测试正确
尝试通过率	68.2%	68.2%
不稳定测试	5	0
总运行次数	66	66
每个结果成本	4.387	1.582
总成本	$0.571	$0.197
输入价格	$1.750 / 1M	$1.475 / 1M
输出价格	$14.000 / 1M	$4.425 / 1M
总输入令牌	78,990	95,983
输出令牌	30,854	12,446
推理令牌	0	0
响应时间（平均）	6.88s	4.52s
响应时间（最大）	18.33s	72.30s
响应时间（总计）	151.31s	99.52s

Hamster playing table tennis

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

#62 GPT-5.3 Chat

none

成本: $0.008
时间: 8.1s
令牌: 634 tok

#67 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 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

类别:

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-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0
Qwen3.7 Max	6.5	10.0	50.0%	0		1.08s	696	242	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-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0
Qwen3.7 Max	5.5	10.0	33.3%	0		1.35s	7,911	582	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-5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	6,851	0
Qwen3.7 Max	6.5	10.0	50.0%	0		37.23s	68,425	10,623	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-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0
Qwen3.7 Max	10.0	10.0	100.0%	0		1.35s	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-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0
Qwen3.7 Max	7.7	10.0	66.7%	0		975ms	789	15	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-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0
Qwen3.7 Max	10.0	10.0	100.0%	0		1.04s	522	120	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-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0
Qwen3.7 Max	10.0	10.0	100.0%	0		943ms	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-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0
Qwen3.7 Max	10.0	10.0	100.0%	0		1.13s	714	314	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-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0
Qwen3.7 Max	10.0	10.0	100.0%	0		3.92s	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-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0
Qwen3.7 Max	3.0	10.0	0.0%	0		856ms	210	13	0

快速对比

切换对比组合

Kimi K2.7 CodemediumvsGPT-5.3 Chatnone LongCat 2.0mediumvsQwen3.7 Maxnone GPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15medium Nemotron 3 Ultramedium免费可用vsGPT-5.3 Chatnone GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone GPT-5.3 ChatnonevsQwen3.5-27Bmedium KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone GPT-5.3 ChatnonevsGrok Build 0.1medium GPT-5.4 NanomediumvsQwen3.7 Maxnone Kimi K2.7 CodemediumvsQwen3.7 Maxnone