- 排名
- #109
- 总输出令牌
- 158,344
- 响应时间（平均）
- 26.72s
- 总成本
- $0.786
GPT-5.4 Mini (medium) vs Qwen3.7 Max
平均分几乎持平，为 7.5 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $0.786。 Qwen3.7 Max 更快，为 4.56s vs 26.72s，通过率为 68.2% vs 68.2%。
已对比模型
- 排名
- #113
- 总输出令牌
- 12,446
- 响应时间（平均）
- 4.56s
- 总成本
- $0.197
推荐模型
Qwen3.7 Max
它在这里得分最高（7.4），同时成本比GPT-5.4 Mini (medium)低约 4.0 倍。
详细对比
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | Qwen3.7 Max Qwen3.7 Max none |
|---|---|---|
| 分数 | 7.5 | 7.4 |
| 排名 | #109 | #113 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 8.1 | 10.0 |
| 尝试次数 | 66/66 | 66/66 |
| 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 | 6.546 | 1.581 |
| 总成本 | $0.786 | $0.197 |
| 输入价格 | $0.750 / 1M | $1.475 / 1M |
| 输出价格 | $4.500 / 1M | $4.425 / 1M |
| 总输入令牌 | 97,164 | 95,992 |
| 输出令牌 | 6,211 | 12,446 |
| 推理令牌 | 152,133 | 0 |
| 响应时间（平均） | 26.72s | 4.56s |
| 响应时间（最大） | 138.75s | 72.30s |
| 响应时间（总计） | 587.90s | 100.30s |
| 参数量 | ~400B 总计 (~17B 激活) | ~1T 总计 (~40B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#109 GPT-5.4 Mini
medium- 成本
- $0.056
- 时间
- 95.5s
- 令牌
- 12,464 tok
#113 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
| 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 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 606 | 296 | 2,876 | |
| 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-5.4 Mini | 8.4 | 7.4 | 88.9% | 1 | 57.87s | 7,305 | 467 | 40,902 | |
| 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-5.4 Mini | 6.9 | 5.9 | 66.7% | 1 | 59.64s | 74,058 | 4,347 | 40,924 | |
| 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-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 7,140 | 234 | 650 | |
| 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-5.4 Mini | 3.6 | 7.2 | 22.2% | 1 | 71.05s | 628 | 60 | 49,875 | |
| Qwen3.7 Max | 7.7 | 10.0 | 66.7% | 0 | 1.24s | 798 | 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-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 477 | 150 | 510 | |
| 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-5.4 Mini | 9.8 | 10.0 | 100.0% | 0 | 2.13s | 660 | 96 | 1,185 | |
| 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-5.4 Mini | 7.8 | 10.0 | 66.7% | 0 | 4.37s | 642 | 278 | 2,443 | |
| 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-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 5,453 | 251 | 2,594 | |
| 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-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 30.10s | 195 | 32 | 10,174 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 856ms | 210 | 13 | 0 |
快速对比
切换对比组合
Gemini 3.8 FlashlowvsGPT-5.4 MinimediumKimi K2.7 CodemediumvsQwen3.7 MaxnoneGemini 3.1 Flash Lite PreviewmediumvsQwen3.7 MaxnoneGPT-5.6 LunamediumvsQwen3.7 MaxnoneGemini 3.8 FlashlowvsQwen3.7 MaxnoneQwen3.7 MaxnonevsGrok Build 0.1mediumLongCat 2.0mediumvsQwen3.7 MaxnoneMercury 2.5 PreviewmediumvsQwen3.7 MaxnoneMiniMax M3mediumvsQwen3.7 MaxnoneGPT-5.6 TerralowvsQwen3.7 MaxnoneQwen3.7 MaxnonevsGrok 4.6lowGemini 3 Flash PreviewlowvsQwen3.7 Maxnone