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-5.5 vs Qwen: Qwen3.7 Max

摘要

GPT-5.5 vs Qwen3.7 Max benchmark 对比：Qwen3.7 Max 平均分领先，为 9.4 vs 9.0。 Qwen3.7 Max benchmark 成本更低，为 $0.523 vs $3.679。 Qwen3.7 Max 更快，为 16.02s vs 37.98s，通过率为 87.3% vs 88.9%。

推荐模型: Qwen3.7 Max - 它在这里得分最高（9.4），同时成本比GPT-5.5低约 7.0 倍。

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

指标 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24 Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22
分数 9.0 9.4
排名 #9 #3
可靠性 10.0 10.0
一致性 8.9 9.6
测试正确
尝试通过率 87.3% 88.9%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 21.638 5.517
总成本 $3.679 $0.523
输入价格 $5.000 / 1M $1.250 / 1M
输出价格 $30.000 / 1M $3.750 / 1M
总输入令牌 34,212 42,360
输出令牌 1,985 2,129
推理令牌 114,925 122,959
响应时间（平均） 37.98s 16.02s
响应时间（最大） 332.10s 59.98s
响应时间（总计） 797.60s 336.51s

生成展示

Hamster playing table tennis

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

#9 GPT-5.5

medium
成本
$0.112
时间
71.9s
令牌
3,807 tok

#3 Qwen3.7 Max

medium
成本
$0.017
时间
68.8s
令牌
4,526 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-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
Qwen3.7 Max 10.0 10.0 100.0% 0 6.36s 672 222 8,742
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 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
Qwen3.7 Max 10.0 10.0 100.0% 0 35.31s 7,893 423 34,808
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 19.29s 11,019 312 2,841
Qwen3.7 Max 10.0 10.0 100.0% 0 19.60s 14,934 366 8,405
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 4.18s 7,140 234 593
Qwen3.7 Max 10.0 10.0 100.0% 0 8.80s 7,782 270 6,254
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 7.2 44.4% 1 164.14s 723 67 79,625
Qwen3.7 Max 5.9 7.2 55.6% 1 24.94s 771 61 31,793
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 4.16s 477 138 223
Qwen3.7 Max 10.0 10.0 100.0% 0 11.70s 516 135 4,457
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 10.0 10.0 100.0% 0 3.36s 660 93 538
Qwen3.7 Max 10.0 10.0 100.0% 0 7.46s 699 102 5,452
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 6.76s 642 241 2,225
Qwen3.7 Max 10.0 10.0 100.0% 0 8.84s 696 259 8,908
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 10.57s 5,445 258 832
Qwen3.7 Max 10.0 10.0 100.0% 0 6.63s 8,193 267 1,220
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 2.8 1.6 33.3% 1 37.86s 195 30 1,754
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.5mediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumDeepSeek V4 FlashhighvsGPT-5.5mediumGemini 3.5 FlashhighvsGPT-5.5mediumGPT-5.2 ChatnonevsQwen3.7 MaxmediumDeepSeek V4 FlashhighvsQwen3.7 MaxmediumClaude Opus 4.8lowvsGPT-5.5mediumGPT-5.5mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.5mediumGemini 3 Flash PreviewlowvsGPT-5.5medium