- 排名
- #69
- 总输出令牌
- 119,211
- 响应时间（平均）
- 29.42s
- 总成本
- $0.315
GPT-5 Mini (medium) vs Qwen3.7 Max (medium)
Qwen3.7 Max (medium) 平均分领先，为 8.5 vs 8.4。 GPT-5 Mini (medium) benchmark 成本更低，为 $0.315 vs $1.689。 GPT-5 Mini (medium) 更快，为 29.42s vs 48.35s，通过率为 66.7% vs 85.5%。
已对比模型
- 排名
- #67
- 总输出令牌
- 259,032
- 响应时间（平均）
- 48.35s
- 总成本
- $1.689
推荐模型
GPT-5 Mini (medium)
它的得分接近这里的最高分（8.4 vs 8.5），同时成本比Qwen3.7 Max (medium)低约 5.4 倍。
详细对比
| 指标 | GPT-5 Mini GPT-5 Mini medium | Qwen3.7 Max Qwen3.7 Max medium |
|---|---|---|
| 分数 | 8.4 | 8.5 |
| 排名 | #69 | #67 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.5 | 8.7 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 85.5% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 2.247 | 12.033 |
| 总成本 | $0.315 | $1.689 |
| 输入价格 | $0.250 / 1M | $1.475 / 1M |
| 输出价格 | $2.000 / 1M | $4.425 / 1M |
| 缓存读取价格 | $0.025 / 1M | $0.295 / 1M |
| 缓存写入价格 | 不适用 | $1.844 / 1M |
| 总输入令牌 | 214,645 | 367,848 |
| 输出令牌 | 15,532 | 8,753 |
| 推理令牌 | 103,679 | 250,279 |
| 响应时间（平均） | 29.42s | 48.35s |
| 响应时间（最大） | 111.48s | 556.06s |
| 响应时间（总计） | 676.56s | 1112.11s |
| 参数量 | ~400B 总计 (~17B 激活) | ~1T 总计 (~40B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#69 GPT-5 Mini
medium- 成本
- $0.007
- 时间
- 42.9s
- 令牌
- 3,432 tok
#67 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
| 智能体任务 | 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 68.54s | 116,262 | 1,123 | 10,069 | |
| Qwen3.7 Max | 6.1 | 3.1 | 66.7% | 1 | 137.00s | 261,819 | 3,005 | 29,925 |
| 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 Mini | 7.1 | 7.6 | 66.7% | 1 | 13.86s | 606 | 1,715 | 6,378 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 27.63s | 7,302 | 658 | 17,152 | |
| 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 Mini | 7.3 | 5.8 | 83.3% | 1 | 99.82s | 75,392 | 8,387 | 35,328 | |
| Qwen3.7 Max | 8.7 | 6.9 | 83.3% | 1 | 287.83s | 78,594 | 3,985 | 96,450 |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 12.58s | 7,140 | 453 | 3,200 | |
| 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 Mini | 3.5 | 4.4 | 33.3% | 2 | 44.66s | 524 | 268 | 16,128 | |
| Qwen3.7 Max | 4.1 | 4.4 | 44.5% | 2 | 52.45s | 780 | 61 | 41,143 |
| 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 Mini | 4.5 | 10.0 | 0.0% | 0 | 13.50s | 477 | 349 | 1,856 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 11.59s | 660 | 310 | 3,968 | |
| 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 Mini | 5.6 | 9.8 | 33.3% | 0 | 15.20s | 642 | 1,622 | 6,144 | |
| 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 Mini | 10.0 | 10.0 | 100.0% | 0 | 18.64s | 5,445 | 487 | 1,600 | |
| 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 Mini | 3.0 | 10.0 | 0.0% | 0 | 9.99s | 195 | 160 | 1,856 | |
| 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
Muse Glimmer 30BxhighvsGPT-5 MinimediumMuse Spark 1.3lowvsQwen3.7 MaxmediumGPT-5 MinimediumvsQwen3.8 2.4T A95BlowQwen3.7 MaxmediumvsGrok 4.6highGPT-5 MinimediumvsInklinghigh免费可用Muse Spark 1.1highvsGPT-5 MinimediumDeepSeek V4 Flash 0731highvsGPT-5 MinimediumGPT-5 MinimediumvsGLM 5.2highMuse Glimmer 30BxhighvsQwen3.7 MaxmediumMuse Spark 1.3lowvsGPT-5 MinimediumClaude Sonnet 5.5highvsQwen3.7 MaxmediumClaude Sonnet 5.5xhighvsQwen3.7 Maxmedium