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 (medium) vs Qwen3.7 Max (medium) benchmark 对比：平均分几乎持平，为 9.4 vs 9.4。 Qwen3.7 Max (medium) benchmark 成本更低，为 $0.523 vs $0.966。 GPT-5.6 Sol (medium) 更快，为 10.79s vs 16.02s，通过率为 90.5% vs 88.9%。

推荐模型: Qwen3.7 Max (medium) - 它在这里得分最高（9.4），同时成本比GPT-5.6 Sol (medium)低约 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 medium 发布日期: 2026-07-09 Qwen3.7 Max Qwen3.7 Max medium 发布日期: 2026-05-22
分数 9.4 9.4
排名 #5 #4
可靠性 10.0 10.0
一致性 8.8 9.6
测试正确
尝试通过率 90.5% 88.9%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 5.682 5.517
总成本 $0.966 $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 1,895 2,129
推理令牌 24,600 122,959
响应时间（平均） 10.79s 16.02s
响应时间（最大） 79.40s 59.98s
响应时间（总计） 226.57s 336.51s

生成展示

Hamster playing table tennis

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

#5 GPT-5.6 Sol

medium
成本
$0.124
时间
57.2s
令牌
4,199 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 10.0 10.0 100.0% 0 2.81s 606 173 572
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 9.40s 7,302 394 4,706
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 12.13s 11,019 318 1,214
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 1.38s 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 5.9 7.2 55.6% 1 47.86s 723 71 16,201
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 3.48s 477 99 214
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 2.50s 660 96 249
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 2.98s 642 228 566
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 6.30s 5,454 264 361
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 4.7 1.6 66.7% 1 4.94s 195 30 517
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 3.5 FlashlowvsGPT-5.6 SolmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGPT-5.6 SollowvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.6 SolmediumGPT-5.2 ChatnonevsQwen3.7 MaxmediumDeepSeek V4 FlashhighvsGPT-5.6 SolmediumDeepSeek V4 FlashhighvsQwen3.7 MaxmediumGPT-5.6 TerrahighvsQwen3.7 MaxmediumGPT-5.6 SolmediumvsGrok 4.5low