AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-9B

Resumen

Comparación benchmark de gpt-oss-120b vs Qwen3.5-9B: gpt-oss-120b lidera en puntuación media con 6.1 vs 4.6. Qwen3.5-9B tiene menor coste de benchmark con $0.006 vs $0.013. Qwen3.5-9B es más rápido con 1.89s vs 22.28s, con tasas de acierto de 52.4% vs 20.6%.

Modelo recomendado: Qwen3.5-9B - Ofrece el mejor equilibrio general: puntuación competitiva (4.6), menor coste que gpt-oss-120b y tiempo de respuesta equilibrado.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-10

Métrica	gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis	Qwen3.5-9B Qwen3.5-9B none Lanzamiento: 2026-03-02

Métrica	gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis	Qwen3.5-9B Qwen3.5-9B none Lanzamiento: 2026-03-02
Puntuación	6.1	4.6
Rango	#100	#155
Fiabilidad	10.0	10.0
Consistencia	8.0	9.7
Pruebas correctas
Tasa de aciertos por intento	52.4%	20.6%
Pruebas inestables	5	1
Ejecuciones totales	63	63
Costo por resultado	0.141	0.123
Costo total	$0.013	$0.006
Precio de entrada	$0.039 / 1M	$0.100 / 1M
Precio de salida	$0.180 / 1M	$0.150 / 1M
Total de tokens de entrada	39,084	48,041
Tokens de salida	20,013	3,952
Tokens de razonamiento	50,233	0
Tiempo de respuesta (promedio)	22.28s	1.89s
Tiempo de respuesta (máximo)	68.16s	6.03s
Tiempo de respuesta (total)	311.96s	39.68s

Generation showcase

Hamster playing table tennis

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

#100 gpt-oss-120b

medium

Cost: $0.001
Time: 26.7s
Tokens: 555 tok

#155 Qwen3.5-9B

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
Qwen3.5-9B	3.1	9.9	0.0%	0		1.71s	696	582	0

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
Qwen3.5-9B	3.9	7.8	11.1%	1		5.60s	7,913	1,042	0

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072
Qwen3.5-9B	3.0	10.0	0.0%	0		5.91s	20,397	1,255	0

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
Qwen3.5-9B	10.0	10.0	100.0%	0		847ms	7,788	249	0

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606
Qwen3.5-9B	3.0	10.0	0.0%	0		464ms	789	24	0

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
Qwen3.5-9B	4.4	9.9	0.0%	0		552ms	522	99	0

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
Qwen3.5-9B	6.5	10.0	50.0%	0		514ms	711	75	0

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
Qwen3.5-9B	3.2	10.0	0.0%	0		621ms	714	347	0

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
Qwen3.5-9B	10.0	10.0	100.0%	0		1.27s	8,301	273	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
Qwen3.5-9B	3.0	10.0	0.0%	0		2.32s	210	6	0

Comparación rápida

Cambiar par de comparación