AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-35B-A3B

概要

gpt-oss-120b (medium) vs Qwen3.5-35B-A3B (medium) の benchmark 比較: gpt-oss-120b (medium) が平均スコアでリードし、6.7 vs 6.3 です。 gpt-oss-120b (medium) の benchmark コストが低く、$0.013 vs $0.401 です。 gpt-oss-120b (medium) の方が高速で、22.28s vs 72.57s です、成功率は 52.4% vs 69.8% です。

おすすめモデル: gpt-oss-120b (medium) - ここでは最高スコア（6.7）で、Qwen3.5-35B-A3B (medium) より約 33.3 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-10

指標	gpt-oss-120b gpt-oss-120b medium リリース: 2025-08-05 無料で利用可能	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium リリース: 2026-02-24

指標	gpt-oss-120b gpt-oss-120b medium リリース: 2025-08-05 無料で利用可能	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium リリース: 2026-02-24
スコア	6.7	6.3
順位	#92	#104
信頼性	10.0	10.0
一貫性	8.0	7.5
正解テスト
試行ごとの合格率	52.4%	69.8%
不安定なテスト	5	6
総実行回数	63	63
結果あたりのコスト	0.141	5.162
合計コスト	$0.013	$0.401
入力価格	$0.036 / 1M	$0.140 / 1M
出力価格	$0.180 / 1M	$1.000 / 1M
合計入力トークン	39,084	42,196
出力トークン	20,013	40,630
推論トークン	50,233	353,577
応答時間（平均）	22.28s	72.57s
応答時間（最大）	68.16s	409.98s
応答時間（合計）	311.96s	1524.04s

生成ショーケース

Hamster playing table tennis

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

#92 gpt-oss-120b

medium

コスト: $0.001
時間: 26.7s
トークン: 555 tok

#104 Qwen3.5-35B-A3B

medium

コスト: $0.009
時間: 71.4s
トークン: 8,631 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053

クイック比較

比較ペアを切り替え