OpenAI: GPT-5 Mini vs Qwen: Qwen3.7 Max

GPT-5 Mini (medium) 平均分领先，为 8.1 vs 7.4。 Qwen3.7 Max benchmark 成本更低，为 $0.197 vs $0.237。 Qwen3.7 Max 更快，为 4.52s vs 27.63s，通过率为 63.6% vs 68.2%。

推荐模型Qwen3.7 Max它的得分接近这里的最高分（7.4 vs 8.1），同时响应速度比GPT-5 Mini (medium)快约 6.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22

指标	GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07	Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数	8.1	7.4
排名	#26	#57
可靠性	10.0	9.9
一致性	8.8	10.0
测试正确
尝试通过率	63.6%	68.2%
不稳定测试	3	0
总运行次数	66	66
每个结果成本	1.971	1.582
总成本	$0.237	$0.197
输入价格	$0.250 / 1M	$1.475 / 1M
输出价格	$2.000 / 1M	$4.425 / 1M
总输入令牌	98,374	95,983
输出令牌	14,434	12,446
推理令牌	91,498	0
响应时间（平均）	27.63s	4.52s
响应时间（最大）	111.48s	72.30s
响应时间（总计）	607.92s	99.52s

Hamster playing table tennis

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

#26 GPT-5 Mini

medium

成本: $0.007
时间: 42.9s
令牌: 3,432 tok

#57 Qwen3.7 Max

none

成本: $0.046
时间: 195.0s
令牌: 12,171 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

类别:

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	6.5	10.0	50.0%	0		1.08s	696	242	0

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	5.5	10.0	33.3%	0		1.35s	7,911	582	0

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	6.5	10.0	50.0%	0		37.23s	68,425	10,623	0

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		1.35s	7,794	243	0

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	3.6	7.2	22.2%	1		44.63s	515	293	14,016
Qwen3.7 Max	7.7	10.0	66.7%	0		975ms	789	15	0

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		1.04s	522	120	0

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		943ms	711	72	0

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		1.13s	714	314	0

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		3.92s	8,211	222	0

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		856ms	210	13	0

快速对比

切换对比组合

Muse Spark 1.1highvsGPT-5 Minimedium GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.6 TerralowvsQwen3.7 Maxnone GPT-5 MinimediumvsGLM 5.2high Gemini 3 Flash PreviewlowvsQwen3.7 Maxnone KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone GPT-5.4 NanomediumvsQwen3.7 Maxnone Kimi K2.7 CodemediumvsQwen3.7 Maxnone Nemotron 3 Ultramedium免费可用vsQwen3.7 Maxnone Gemini 3.1 Flash Lite PreviewmediumvsQwen3.7 Maxnone GPT-5.6 LunamediumvsQwen3.7 Maxnone Kimi K3maxvsGPT-5 Minimedium