导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.7 Max

摘要

GPT-5.6 Sol (low) vs Qwen3.7 Max (medium) benchmark 对比：GPT-5.6 Sol (low) 平均分领先，为 9.5 vs 9.4。 Qwen3.7 Max (medium) benchmark 成本更低，为 $0.523 vs $0.649。 GPT-5.6 Sol (low) 更快，为 8.29s vs 16.02s，通过率为 85.7% vs 88.9%。

推荐模型: GPT-5.6 Sol (low) - 它在这里得分最高（9.5），同时响应速度比Qwen3.7 Max (medium)快约 1.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09 Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22
分数 9.5 9.4
排名 #3 #4
可靠性 10.0 10.0
一致性 9.2 9.6
测试正确
尝试通过率 85.7% 88.9%
不稳定测试 2 1
总运行次数 63 63
每个结果成本 3.816 5.517
总成本 $0.649 $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 34,218 42,360
输出令牌 1,898 2,129
推理令牌 14,023 122,959
响应时间（平均） 8.29s 16.02s
响应时间（最大） 53.91s 59.98s
响应时间（总计） 174.04s 336.51s

生成展示

Hamster playing table tennis

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

#3 GPT-5.6 Sol

low
成本
$0.062
时间
26.7s
令牌
2,150 tok

#4 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-5.6 Sol 8.3 10.0 75.0% 0 2.60s 606 174 492
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-5.6 Sol 10.0 10.0 100.0% 0 11.25s 7,302 412 3,482
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-5.6 Sol 10.0 10.0 100.0% 0 9.87s 11,019 318 792
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-5.6 Sol 10.0 10.0 100.0% 0 1.82s 7,140 222 0
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-5.6 Sol 5.3 7.2 44.4% 1 29.07s 723 71 7,822
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-5.6 Sol 10.0 10.0 100.0% 0 3.07s 477 99 135
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-5.6 Sol 10.0 10.0 100.0% 0 2.27s 660 90 146
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-5.6 Sol 8.2 7.2 88.9% 1 3.44s 642 224 534
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-5.6 Sol 10.0 10.0 100.0% 0 7.56s 5,454 258 294
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-5.6 Sol 10.0 10.0 100.0% 0 3.67s 195 30 326
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-5.6 SolhighvsQwen3.7 MaxmediumGPT-5.5lowvsQwen3.7 MaxmediumGemini 3 Flash PreviewmediumvsGPT-5.6 SollowGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.6 SollowClaude Fable 5mediumvsGPT-5.6 SollowGemini 3.1 Pro PreviewmediumvsGPT-5.6 SollowGemini 3.5 FlashmediumvsGPT-5.6 SollowGemini 3.5 FlashhighvsQwen3.7 MaxmediumGPT-5.6 SollowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.6 SollowClaude Opus 4.7mediumvsGPT-5.6 Sollow