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 5.4 vs 4.6. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.010 vs $0.031. Qwen3.6 35B A3B lebih cepat di 3.73s vs 21.61s, dengan tingkat keberhasilan 38.6% vs 30.2%.

Model yang direkomendasikan: gpt-oss-120b - It has the best score here (5.4), while costing about 3.2x less than Qwen3.6 35B A3B.

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

Metrik	gpt-oss-120b gpt-oss-120b none 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 none Rilis: 2025-08-05 Tersedia gratis	Qwen3.6 35B A3B Qwen3.6 35B A3B none Rilis: 2026-04-20
Skor	5.4	4.6
Peringkat	#127	#154
Keandalan	10.0	10.0
Konsistensi	9.1	8.0
Tes benar
Tingkat lulus per percobaan	38.6%	30.2%
Tes tidak stabil	2	5
Total Run	57	63
Biaya per hasil	0.168	0.754
Total Biaya	$0.010	$0.031
Harga input	$0.039 / 1M	$0.140 / 1M
Harga output	$0.180 / 1M	$1.000 / 1M
Total token input	9,081	19,329
Token output	51,664	27,755
Token penalaran	0	0
Waktu respons (rata-rata)	21.61s	3.73s
Waktu respons (maks)	113.71s	22.52s
Waktu respons (total)	345.79s	70.86s

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

#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	6.5	10.0	50.0%	0		32.84s	1,336	8,676	0
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	4.3	1.1	66.7%	1		9.57s	901	3,232	0
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	3.0	10.0	0.0%	0		0ms	0	0	0
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	6.5	10.0	50.0%	0		7.12s	2,421	598	0
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	3.0	10.0	0.0%	0		34.98s	1,294	29,483	0
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	4.8	10.0	0.0%	0		10.79s	584	615	0
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	9.8	10.0	100.0%	0		5.06s	1,043	1,940	0
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	6.0	7.2	55.6%	1		8.21s	1,188	3,982	0
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	3.0	10.0	0.0%	0		0ms	0	0	0
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		47.29s	314	3,138	0
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		414ms	210	12	0

Perbandingan Cepat

Ganti Pasangan Perbandingan