OpenAI: GPT-5.5 vs Qwen: Qwen3.7 Plus

GPT-5.5 (low) 平均分领先，为 9.3 vs 7.9。 Qwen3.7 Plus (medium) benchmark 成本更低，为 $0.267 vs $1.253。 GPT-5.5 (low) 更快，为 10.13s vs 51.51s，通过率为 86.4% vs 75.8%。

推荐模型GPT-5.5 (low)它在这里得分最高（9.3），同时响应速度比Qwen3.7 Plus (medium)快约 5.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03

指标	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24	Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数	9.3	7.9
排名	#6	#36
可靠性	10.0	10.0
一致性	10.0	8.9
测试正确
尝试通过率	86.4%	75.8%
不稳定测试	0	3
总运行次数	66	66
每个结果成本	6.594	2.072
总成本	$1.253	$0.267
输入价格	$5.000 / 1M	$0.320 / 1M
输出价格	$30.000 / 1M	$1.280 / 1M
总输入令牌	80,058	115,233
输出令牌	5,378	6,162
推理令牌	23,040	173,267
响应时间（平均）	10.13s	51.51s
响应时间（最大）	56.19s	315.30s
响应时间（总计）	222.82s	1133.15s

Hamster playing table tennis

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

#6 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 tok

#36 Qwen3.7 Plus

medium

成本: $0.018
时间: 193.2s
令牌: 10,821 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

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-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297
Qwen3.7 Plus	8.2	6.9	66.7%	1		190.27s	89,228	4,403	57,645

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

快速对比

切换对比组合

GPT-5.6 TerrahighvsQwen3.7 Plusmedium Kimi K3maxvsQwen3.7 Plusmedium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.8lowvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsGLM 5.2high GPT-5.2 ChatnonevsQwen3.7 Plusmedium GPT-5.6 LunahighvsQwen3.7 Plusmedium Qwen3.7 PlusmediumvsInklinghigh GPT-5.5lowvsQwen3.7 Maxmedium DeepSeek V4 FlashhighvsQwen3.7 Plusmedium Gemini 3.5 FlashmediumvsGPT-5.5low Muse Spark 1.1highvsQwen3.7 Plusmedium