নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-Flash

average score প্রায় সমান: 6.1 vs 6.1. gpt-oss-120b (medium)-এর benchmark খরচ কম: $0.019 vs $0.073. gpt-oss-120b (medium) দ্রুত: 21.91s vs 25.28s, pass rates 50.0% vs 39.4%.

প্রস্তাবিত মডেলgpt-oss-120b (medium)It has the best score here (6.1), while costing about 3.9x less than Qwen3.5-Flash.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক gpt-oss-120b gpt-oss-120b medium প্রকাশ: 2025-08-05 Qwen3.5-Flash Qwen3.5-Flash none প্রকাশ: 2026-02-24
স্কোর 6.1 6.1
র‍্যাঙ্ক #115 #118
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.0 9.3
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 50.0% 39.4%
অস্থির টেস্ট 5 2
মোট রান 66 66
প্রতি ফলাফলে খরচ 0.221 0.933
মোট খরচ $0.019 $0.073
ইনপুট মূল্য $0.037 / 1M $0.065 / 1M
আউটপুট মূল্য $0.170 / 1M $0.260 / 1M
মোট ইনপুট টোকেন 108,747 282,347
আউটপুট টোকেন 29,772 209,201
রিজনিং টোকেন 68,044 0
প্রতিক্রিয়া সময় (গড়) 21.91s 25.28s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 68.16s 480.96s
প্রতিক্রিয়া সময় (মোট) 328.70s 556.24s

Hamster playing table tennis

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

#115 gpt-oss-120b

medium
খরচ
$0.001
সময়
26.7s
টোকেন
555 tok

#118 Qwen3.5-Flash

none
খরচ
$0.003
সময়
47.4s
টোকেন
7,799 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
gpt-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973
Qwen3.5-Flash 5.5 10.0 33.3% 0 850ms 7,913 519 0

দ্রুত তুলনা

তুলনার জুটি বদলান