AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 35B A3B

Ringkasan

Perbandingan benchmark gpt-oss-120b vs Qwen3.6 35B A3B: gpt-oss-120b unggul dalam skor rata-rata dengan 6.1 vs 4.6. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.013 vs $0.031. Qwen3.6 35B A3B lebih cepat di 3.73s vs 22.28s, dengan tingkat keberhasilan 52.4% vs 30.2%.

Model yang direkomendasikan: gpt-oss-120b - It has the best score here (6.1), while costing about 2.5x less than Qwen3.6 35B A3B.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-10

Metrik	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis	Qwen3.6 35B A3B Qwen3.6 35B A3B none Rilis: 2026-04-20

Metrik	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis	Qwen3.6 35B A3B Qwen3.6 35B A3B none Rilis: 2026-04-20
Skor	6.1	4.6
Peringkat	#100	#154
Keandalan	10.0	10.0
Konsistensi	8.0	8.0
Tes benar
Tingkat lulus per percobaan	52.4%	30.2%
Tes tidak stabil	5	5
Total Run	63	63
Biaya per hasil	0.141	0.754
Total Biaya	$0.013	$0.031
Harga input	$0.039 / 1M	$0.140 / 1M
Harga output	$0.180 / 1M	$1.000 / 1M
Total token input	39,084	19,329
Token output	20,013	27,755
Token penalaran	50,233	0
Waktu respons (rata-rata)	22.28s	3.73s
Waktu respons (maks)	68.16s	22.52s
Waktu respons (total)	311.96s	70.86s

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

#154 Qwen3.6 35B A3B

none

Cost: $0.008
Time: 30.1s
Tokens: 6,317 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
Qwen3.6 35B A3B	3.6	7.6	16.7%	1		2.10s	696	1,571	0

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
Qwen3.6 35B A3B	5.5	10.0	33.3%	0		8.77s	7,911	11,161	0

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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		0ms	0	0	0

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
Qwen3.6 35B A3B	10.0	10.0	100.0%	0		1.46s	7,788	248	0

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
Qwen3.6 35B A3B	3.5	4.4	33.3%	2		7.45s	781	11,381	0

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
Qwen3.6 35B A3B	4.4	3.0	33.3%	1		3.51s	520	1,545	0

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
Qwen3.6 35B A3B	6.2	5.8	66.7%	1		1.86s	709	1,264	0

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
Qwen3.6 35B A3B	3.2	9.9	0.0%	0		1.07s	714	573	0

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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		0ms	0	0	0

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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		414ms	210	12	0

Perbandingan Cepat

Ganti Pasangan Perbandingan