AI BENCHY तुलना

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

सारांश

gpt-oss-120b vs Qwen3.5-9B benchmark तुलना: gpt-oss-120b average score में आगे है: 5.4 vs 4.6. Qwen3.5-9B की benchmark लागत कम है: $0.006 vs $0.010. Qwen3.5-9B तेज है: 1.89s vs 21.61s, pass rates 38.6% vs 20.6%.

अनुशंसित मॉडल: Qwen3.5-9B - It offers the best overall trade-off: a competitive score (4.6), lower cost than gpt-oss-120b, and balanced response time.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-06-10

मेट्रिक	gpt-oss-120b gpt-oss-120b none रिलीज़: 2025-08-05 निःशुल्क उपलब्ध	Qwen3.5-9B Qwen3.5-9B none रिलीज़: 2026-03-02

मेट्रिक	gpt-oss-120b gpt-oss-120b none रिलीज़: 2025-08-05 निःशुल्क उपलब्ध	Qwen3.5-9B Qwen3.5-9B none रिलीज़: 2026-03-02
स्कोर	5.4	4.6
रैंक	#127	#155
विश्वसनीयता	10.0	10.0
संगति	9.1	9.7
सही परीक्षण
प्रति प्रयास पास दर	38.6%	20.6%
अस्थिर टेस्ट	2	1
कुल रन	57	63
प्रति परिणाम लागत	0.168	0.123
कुल लागत	$0.010	$0.006
इनपुट कीमत	$0.039 / 1M	$0.100 / 1M
आउटपुट कीमत	$0.180 / 1M	$0.150 / 1M
कुल इनपुट टोकन	9,081	48,041
आउटपुट टोकन	51,664	3,952
रीजनिंग टोकन	0	0
प्रतिक्रिया समय (औसत)	21.61s	1.89s
प्रतिक्रिया समय (अधिकतम)	113.71s	6.03s
प्रतिक्रिया समय (कुल)	345.79s	39.68s

Generation showcase

Hamster playing table tennis

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

#127 gpt-oss-120b

none

No showcase result has been generated for this model yet.

Cost: $0.000
Time: -
Tokens: 0 tok

#155 Qwen3.5-9B

none

Invalid SVG

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

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	6.5	10.0	50.0%	0		32.84s	1,336	8,676	0
Qwen3.5-9B	3.1	9.9	0.0%	0		1.71s	696	582	0

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	4.3	1.1	66.7%	1		9.57s	901	3,232	0
Qwen3.5-9B	3.9	7.8	11.1%	1		5.60s	7,913	1,042	0

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	0
Qwen3.5-9B	3.0	10.0	0.0%	0		5.91s	20,397	1,255	0

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	6.5	10.0	50.0%	0		7.12s	2,421	598	0
Qwen3.5-9B	10.0	10.0	100.0%	0		847ms	7,788	249	0

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	3.0	10.0	0.0%	0		34.98s	1,294	29,483	0
Qwen3.5-9B	3.0	10.0	0.0%	0		464ms	789	24	0

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	4.8	10.0	0.0%	0		10.79s	584	615	0
Qwen3.5-9B	4.4	9.9	0.0%	0		552ms	522	99	0

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	9.8	10.0	100.0%	0		5.06s	1,043	1,940	0
Qwen3.5-9B	6.5	10.0	50.0%	0		514ms	711	75	0

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	6.0	7.2	55.6%	1		8.21s	1,188	3,982	0
Qwen3.5-9B	3.2	10.0	0.0%	0		621ms	714	347	0

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	3.0	10.0	0.0%	0		0ms	0	0	0
Qwen3.5-9B	10.0	10.0	100.0%	0		1.27s	8,301	273	0

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
gpt-oss-120b	3.0	10.0	0.0%	0		47.29s	314	3,138	0
Qwen3.5-9B	3.0	10.0	0.0%	0		2.32s	210	6	0

त्वरित तुलना

तुलना जोड़ी बदलें