AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 27B

Resumen

Comparación benchmark de gpt-oss-120b vs Qwen3.6 27B: gpt-oss-120b lidera en puntuación media con 6.1 vs 5.6. gpt-oss-120b tiene menor coste de benchmark con $0.013 vs $0.025. Qwen3.6 27B es más rápido con 3.72s vs 22.28s, con tasas de acierto de 52.4% vs 47.6%.

Modelo recomendado: gpt-oss-120b - Tiene la mejor puntuación aquí (6.1) y cuesta aproximadamente 2.0x menos que Qwen3.6 27B.

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	Qwen3.6 27B Qwen3.6 27B none Lanzamiento: 2026-04-20

Métrica	gpt-oss-120b gpt-oss-120b medium Lanzamiento: 2025-08-05 Disponible gratis	Qwen3.6 27B Qwen3.6 27B none Lanzamiento: 2026-04-20
Puntuación	6.1	5.6
Rango	#100	#119
Fiabilidad	10.0	10.0
Consistencia	8.0	7.6
Pruebas correctas
Tasa de aciertos por intento	52.4%	47.6%
Pruebas inestables	5	6
Ejecuciones totales	63	63
Costo por resultado	0.141	0.467
Costo total	$0.013	$0.025
Precio de entrada	$0.039 / 1M	$0.290 / 1M
Precio de salida	$0.180 / 1M	$2.400 / 1M
Total de tokens de entrada	39,084	52,721
Tokens de salida	20,013	3,812
Tokens de razonamiento	50,233	0
Tiempo de respuesta (promedio)	22.28s	3.72s
Tiempo de respuesta (máximo)	68.16s	11.82s
Tiempo de respuesta (total)	311.96s	78.08s

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

#119 Qwen3.6 27B

none

Cost: $0.009
Time: 83.0s
Tokens: 4,549 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
Qwen3.6 27B	3.8	3.7	41.7%	3		2.83s	696	490	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
Qwen3.6 27B	5.5	10.0	33.3%	0		4.16s	7,913	539	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
Qwen3.6 27B	3.0	10.0	0.0%	0		9.95s	22,497	1,401	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
Qwen3.6 27B	7.3	5.8	83.3%	1		2.06s	7,788	248	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
Qwen3.6 27B	7.7	10.0	66.7%	0		3.03s	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
Qwen3.6 27B	5.2	9.9	0.0%	0		1.07s	522	72	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
Qwen3.6 27B	6.2	5.8	66.7%	1		1.92s	711	49	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
Qwen3.6 27B	5.3	7.2	44.4%	1		5.15s	714	639	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
Qwen3.6 27B	9.5	10.0	100.0%	0		6.74s	10,881	339	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
Qwen3.6 27B	3.0	10.0	0.0%	0		4.03s	210	11	0

Comparación rápida

Cambiar par de comparación