gpt-oss-120b (medium) vs Qwen3.8 Flash Next

gpt-oss-120b (medium) average score मध्ये पुढे आहे: 5.9 vs 5.8. Qwen3.8 Flash Next चा benchmark खर्च कमी आहे: ~$0.011 vs $0.030. Qwen3.8 Flash Next वेगवान आहे: 5.71s vs 31.58s, pass rates 47.8% vs 43.5%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-05

तुलना केलेली मॉडेल्स

क्रमांक: #252
एकूण आउटपुट टोकन्स: 118,831
प्रतिसाद वेळ (सरासरी): 31.58s
एकूण खर्च: $0.030

क्रमांक: #258
एकूण आउटपुट टोकन्स: 9,077
प्रतिसाद वेळ (सरासरी): 5.71s
एकूण खर्च: ~$0.011

शिफारस केलेले मॉडेल Qwen3.8 Flash Next

Its score stays close to the best score here (5.8 vs 5.9), while costing about 2.7x less than gpt-oss-120b (medium).

तपशीलवार तुलना

मेट्रिक	gpt-oss-120b gpt-oss-120b medium प्रकाशन: 2025-08-05	Qwen3.8 Flash Next Qwen3.8 Flash Next none प्रकाशन: 2026-10-04

मेट्रिक	gpt-oss-120b gpt-oss-120b medium प्रकाशन: 2025-08-05	Qwen3.8 Flash Next Qwen3.8 Flash Next none प्रकाशन: 2026-10-04
स्कोअर	5.9	5.8
क्रमांक	#252	#258
विश्वसनीयता	10.0	10.0
सुसंगतता	8.1	9.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	47.8%	43.5%
अस्थिर चाचण्या	5	3
एकूण रन	69	69
प्रति निकाल खर्च	0.335	~0.136
एकूण खर्च	$0.030	~$0.011
इनपुट किंमत	$0.037 / 1M	लागू नाही
आउटपुट किंमत	$0.170 / 1M	लागू नाही
कॅश वाचण्याची किंमत	लागू नाही	लागू नाही
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	285,293	266,004
आउटपुट टोकन्स	29,565	9,077
रिझनिंग टोकन्स	89,266	0
प्रतिसाद वेळ (सरासरी)	31.58s	5.71s
प्रतिसाद वेळ (कमाल)	203.90s	65.25s
प्रतिसाद वेळ (एकूण)	536.78s	131.36s
पॅरामीटर्स	117B एकूण (5.1B सक्रिय)	180B एकूण (6B सक्रिय)
उपलब्धता	मुक्त स्रोत	वेट्स उपलब्ध

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#252 gpt-oss-120b

medium

खर्च: $0.001
वेळ: 26.7s
टोकन्स: 555 tok

#258 Qwen3.8 Flash Next

none

खर्च: ~$0.001
वेळ: 27.5s
टोकन्स: 2,983 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	5.0	10.0	0.0%	0		203.90s	176,526	187	20,362
Qwen3.8 Flash Next	5.0	10.0	0.0%	0		65.25s	185,217	1,896	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
Qwen3.8 Flash Next	6.5	10.0	50.0%	0		1.70s	696	504	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
Qwen3.8 Flash Next	5.5	10.0	33.3%	0		1.64s	7,911	669	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	6.5	10.0	50.0%	0		23.96s	81,198	10,453	22,883
Qwen3.8 Flash Next	3.0	10.0	0.0%	0		11.98s	53,031	4,614	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		1.60s	8,109	249	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	2.9	4.4	22.2%	2		27.55s	1,286	6,390	21,466
Qwen3.8 Flash Next	3.0	10.0	0.0%	0		5.38s	798	24	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
Qwen3.8 Flash Next	6.1	3.1	66.7%	1		1.09s	522	103	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
Qwen3.8 Flash Next	7.1	5.8	83.3%	1		612ms	711	74	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
Qwen3.8 Flash Next	6.3	7.8	55.6%	1		1.30s	714	667	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
Qwen3.8 Flash Next	10.0	10.0	100.0%	0		4.35s	8,085	259	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
Qwen3.8 Flash Next	3.0	10.0	0.0%	0		540ms	210	18	0

झटपट तुलना

तुलना जोडी बदला

Gemini 3.1 Flash Litenonevsgpt-oss-120bmedium gpt-oss-120bmediumvsQwen3.6 Flashnone Gemini 3.1 Flash Liteminimalvsgpt-oss-120bmedium Claude Sonnet 5nonevsgpt-oss-120bmedium Seed-2.0-Litenonevsgpt-oss-120bmedium Nemotron 3 Ultranoneमोफत उपलब्धvsgpt-oss-120bmedium gpt-oss-120bmediumvsMiMo-V2.6-Pronone gpt-oss-120bmediumvsQwen3.7 Flashnone Ling 3.0 FlashhighvsQwen3.8 Flash Nextnone gpt-oss-120bmediumvsGLM 5.3 FlashXlow Ring 2.6 1tmediumvsQwen3.8 Flash Nextnone Trinity Large ThinkinghighvsQwen3.8 Flash Nextnone