AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark gpt-oss-120b vs Qwen3.6 Flash: gpt-oss-120b unggul dalam skor rata-rata dengan 6.1 vs 5.4. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.013 vs $0.015. Qwen3.6 Flash lebih cepat di 1.60s vs 22.28s, dengan tingkat keberhasilan 52.4% vs 33.3%.

Model yang direkomendasikan: Qwen3.6 Flash - Its score stays close to the best score here (5.4 vs 6.1), while responding about 13.9x faster than gpt-oss-120b.

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 Flash Qwen3.6 Flash none Rilis: 2026-04-20

Metrik	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis	Qwen3.6 Flash Qwen3.6 Flash none Rilis: 2026-04-20
Skor	6.1	5.4
Peringkat	#100	#129
Keandalan	10.0	10.0
Konsistensi	8.0	10.0
Tes benar
Tingkat lulus per percobaan	52.4%	33.3%
Tes tidak stabil	5	0
Total Run	63	63
Biaya per hasil	0.141	0.266
Total Biaya	$0.013	$0.015
Harga input	$0.039 / 1M	$0.188 / 1M
Harga output	$0.180 / 1M	$1.125 / 1M
Total token input	39,084	50,810
Token output	20,013	4,164
Token penalaran	50,233	0
Waktu respons (rata-rata)	22.28s	1.60s
Waktu respons (maks)	68.16s	4.60s
Waktu respons (total)	311.96s	33.59s

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

#129 Qwen3.6 Flash

none

Cost: $0.005
Time: 20.1s
Tokens: 4,211 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 Flash	3.1	10.0	0.0%	0		1.63s	696	1,554	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 Flash	5.4	10.0	33.3%	0		1.79s	6,488	889	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 Flash	3.0	10.0	0.0%	0		4.22s	24,675	315	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 Flash	10.0	10.0	100.0%	0		2.13s	7,794	243	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 Flash	5.3	10.0	33.3%	0		1.11s	789	15	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 Flash	10.0	10.0	100.0%	0		947ms	522	132	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 Flash	6.3	10.0	50.0%	0		1.10s	711	66	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 Flash	3.5	10.0	0.0%	0		1.21s	714	669	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 Flash	10.0	10.0	100.0%	0		2.49s	8,211	272	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 Flash	3.0	10.0	0.0%	0		649ms	210	9	0

Perbandingan Cepat

Ganti Pasangan Perbandingan