Navigasi
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

Ringkasan

Perbandingan benchmark gpt-oss-120b vs Qwen3.5-Flash: Qwen3.5-Flash unggul dalam skor rata-rata dengan 6.8 vs 6.7. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.011 vs $0.080. gpt-oss-120b lebih cepat di 22.28s vs 63.29s, dengan tingkat keberhasilan 52.4% vs 71.4%.

Model yang direkomendasikan: gpt-oss-120b - Its score stays close to the best score here (6.7 vs 6.8), while costing about 8.0x less than Qwen3.5-Flash.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis Qwen3.5-Flash Qwen3.5-Flash medium Rilis: 2026-02-24
Skor 6.7 6.8
Peringkat #81 #73
Keandalan 10.0 10.0
Konsistensi 8.0 8.1
Tes benar
Tingkat lulus per percobaan 52.4% 71.4%
Tes tidak stabil 5 5
Total Run 63 63
Biaya per hasil 0.141 0.871
Total Biaya $0.011 $0.080
Harga input $0.030 / 1M $0.065 / 1M
Harga output $0.150 / 1M $0.260 / 1M
Total token input 39,084 38,926
Token output 20,013 2,088
Token penalaran 50,233 294,598
Waktu respons (rata-rata) 22.28s 63.29s
Waktu respons (maks) 68.16s 234.29s
Waktu respons (total) 311.96s 1265.85s

Showcase generasi

Hamster playing table tennis

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

#81 gpt-oss-120b

medium
Biaya
$0.001
Waktu
26.7s
Token
555 tok

#73 Qwen3.5-Flash

medium
Biaya
$0.002
Waktu
25.8s
Token
4,294 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
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

Perbandingan Cepat

Ganti Pasangan Perbandingan

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