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-5.6 Terra vs Qwen: Qwen3.7 Plus

摘要

GPT-5.6 Terra (high) vs Qwen3.7 Plus (medium) benchmark 对比：平均分几乎持平，为 8.2 vs 8.2。 Qwen3.7 Plus (medium) benchmark 成本更低，为 $0.177 vs $0.852。 GPT-5.6 Terra (high) 更快，为 10.89s vs 38.95s，通过率为 68.3% vs 77.8%。

推荐模型: Qwen3.7 Plus (medium) - 它在这里得分最高（8.2），同时成本比GPT-5.6 Terra (high)低约 4.8 倍。

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

指标 GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09 Qwen3.7 Plus Qwen3.7 Plus medium 发布日期: 2026-06-03
分数 8.2 8.2
排名 #29 #30
可靠性 10.0 10.0
一致性 9.6 9.1
测试正确
尝试通过率 68.3% 77.8%
不稳定测试 1 2
总运行次数 63 63
每个结果成本 6.086 1.474
总成本 $0.852 $0.177
输入价格 $2.500 / 1M $0.320 / 1M
输出价格 $15.000 / 1M $1.280 / 1M
总输入令牌 34,218 40,939
输出令牌 1,908 2,125
推理令牌 49,189 125,754
响应时间（平均） 10.89s 38.95s
响应时间（最大） 91.49s 178.04s
响应时间（总计） 228.65s 817.85s

生成展示

Hamster playing table tennis

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

#29 GPT-5.6 Terra

high
成本
$0.055
时间
30.2s
令牌
3,748 tok

#30 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

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 Terra 8.3 10.0 75.0% 0 2.54s 606 158 700
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-5.6 Terra 7.6 7.2 77.8% 1 9.14s 7,302 370 6,087
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-5.6 Terra 10.0 10.0 100.0% 0 6.94s 11,019 314 627
Qwen3.7 Plus 10.0 10.0 100.0% 0 65.24s 14,934 366 10,132
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 Terra 10.0 10.0 100.0% 0 938ms 7,140 222 0
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-5.6 Terra 5.3 10.0 33.3% 0 43.44s 723 70 32,942
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-5.6 Terra 5.1 10.0 0.0% 0 3.03s 477 113 216
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-5.6 Terra 10.0 10.0 100.0% 0 2.14s 660 96 319
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-5.6 Terra 7.7 10.0 66.7% 0 5.45s 642 277 2,613
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-5.6 Terra 10.0 10.0 100.0% 0 4.97s 5,454 258 168
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-5.6 Terra 3.0 10.0 0.0% 0 23.30s 195 30 5,517
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

Nemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 TerrahighGemini 2.5 FlashmediumvsGPT-5.6 TerrahighDeepSeek V4 FlashhighvsQwen3.7 PlusmediumGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15mediumGPT-5.6 TerrahighvsQwen3.5-27BmediumGPT-5.6 TerrahighvsStep 3.7 FlashmediumSeed-2.0-LitemediumvsGPT-5.6 TerrahighGPT-5.2 ChatnonevsQwen3.7 PlusmediumClaude Sonnet 5mediumvsGPT-5.6 TerrahighGPT-5.6 TerrahighvsQwen3.6 PlusmediumClaude Sonnet 4.6mediumvsGPT-5.6 Terrahigh