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

AI BENCHY Compare

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

Resumen

Comparación benchmark de gpt-oss-120b vs Qwen3.5-Flash: Qwen3.5-Flash lidera en puntuación media con 6.8 vs 6.7. gpt-oss-120b tiene menor coste de benchmark con $0.011 vs $0.080. gpt-oss-120b es más rápido con 22.28s vs 63.29s, con tasas de acierto de 52.4% vs 71.4%.

Modelo recomendado: gpt-oss-120b - Su puntuación se mantiene cerca de la mejor aquí (6.7 vs 6.8) y cuesta aproximadamente 8.0x menos que Qwen3.5-Flash.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis Qwen3.5-Flash Qwen3.5-Flash medium Lanzamiento: 2026-02-24
Puntuación 6.7 6.8
Rango #81 #73
Fiabilidad 10.0 10.0
Consistencia 8.0 8.1
Pruebas correctas
Tasa de aciertos por intento 52.4% 71.4%
Pruebas inestables 5 5
Ejecuciones totales 63 63
Costo por resultado 0.141 0.871
Costo total $0.011 $0.080
Precio de entrada $0.030 / 1M $0.065 / 1M
Precio de salida $0.150 / 1M $0.260 / 1M
Total de tokens de entrada 39,084 38,926
Tokens de salida 20,013 2,088
Tokens de razonamiento 50,233 294,598
Tiempo de respuesta (promedio) 22.28s 63.29s
Tiempo de respuesta (máximo) 68.16s 234.29s
Tiempo de respuesta (total) 311.96s 1265.85s

Generación showcase

Hamster playing table tennis

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

#81 gpt-oss-120b

medium
Coste
$0.001
Tiempo
26.7s
Tokens
555 tok

#73 Qwen3.5-Flash

medium
Coste
$0.002
Tiempo
25.8s
Tokens
4,294 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-Flash 10.0 10.0 100.0% 0 59.11s 672 383 32,992
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-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081
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-Flash 10.0 10.0 100.0% 0 17.78s 14,934 483 8,270
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-Flash 7.3 5.9 83.3% 1 56.99s 6,061 235 16,237
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-Flash 5.3 7.2 44.4% 1 146.50s 581 58 43,615
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-Flash 6.1 3.1 66.7% 1 40.05s 516 99 38,486
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-Flash 10.0 10.0 100.0% 0 63.49s 699 98 14,139
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-Flash 8.2 7.2 88.9% 1 27.61s 381 89 12,457
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-Flash 10.0 10.0 100.0% 0 10.33s 8,193 309 1,284
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-Flash 3.0 10.0 0.0% 0 48.98s 204 32 37,037

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.5 Flashminimalvsgpt-oss-120bmediumDisponible gratisGemini 3.5 FlashnonevsQwen3.5-Flashmediumgpt-oss-120bmediumDisponible gratisvsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumDisponible gratisGemini 3 Flash Previewnonevsgpt-oss-120bmediumDisponible gratisGemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmediumDisponible gratisQwen3.5-FlashmediumvsStep 3.7 FlashhighGemini 3.1 Flash Litelowvsgpt-oss-120bmediumDisponible gratisGemini 3.5 Flashnonevsgpt-oss-120bmediumDisponible gratisQwen3.5-FlashmediumvsGLM 5.2none