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-5.4 vs Qwen: Qwen3.7 Plus

摘要

GPT-5.4 vs Qwen3.7 Plus benchmark 对比：GPT-5.4 平均分领先，为 8.5 vs 7.2。 Qwen3.7 Plus benchmark 成本更低，为 $0.023 vs $1.210。 Qwen3.7 Plus 更快，为 2.85s vs 22.35s，通过率为 76.2% 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-5.4，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05 Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03
分数 8.5 7.2
排名 #20 #61
可靠性 10.0 10.0
一致性 8.6 10.0
测试正确
尝试通过率 76.2% 47.6%
不稳定测试 4 0
总运行次数 63 63
每个结果成本 8.640 0.276
总成本 $1.210 $0.023
输入价格 $2.500 / 1M $0.320 / 1M
输出价格 $15.000 / 1M $1.280 / 1M
总输入令牌 34,108 42,510
输出令牌 2,242 6,578
推理令牌 72,707 0
响应时间（平均） 22.35s 2.85s
响应时间（最大） 100.41s 29.38s
响应时间（总计） 469.29s 59.86s

Generation showcase

Hamster playing table tennis

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

#20 GPT-5.4

medium
Cost
$0.214
Time
199.6s
Tokens
14,349 tok

#61 Qwen3.7 Plus

none
Cost
$0.019
Time
213.5s
Tokens
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-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
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 PlusnonevsMiMo-V2-FlashmediumQwen3.7 PlusnonevsStep 3.7 FlashhighQwen3.7 PlusnonevsGLM 5.1mediumQwen3.7 PlusnonevsGLM 5V TurbomediumKimi K2.7 CodemediumvsQwen3.7 PlusnoneQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewlowvsQwen3.7 PlusnoneQwen3.7 PlusnonevsStep 3.5 FlashmediumQwen3.7 PlusnonevsMiMo-V2.5-PromediumSeed-2.0-MinimediumvsQwen3.7 PlusnoneDeepSeek V4 FlashhighvsGPT-5.4medium