AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-9B

Rezumat

Comparație benchmark gpt-oss-120b vs Qwen3.5-9B: gpt-oss-120b conduce la scorul mediu cu 6.1 vs 4.6. Qwen3.5-9B are costul de benchmark mai mic, $0.006 vs $0.013. Qwen3.5-9B este mai rapid cu 1.89s vs 22.28s, cu rate de reușită de 52.4% vs 20.6%.

Model recomandat: Qwen3.5-9B - Oferă cel mai bun compromis per total: scor competitiv (4.6), cost mai mic decât gpt-oss-120b și timp de răspuns echilibrat.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-10

Metrică	gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit	Qwen3.5-9B Qwen3.5-9B none Lansare: 2026-03-02

Metrică	gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit	Qwen3.5-9B Qwen3.5-9B none Lansare: 2026-03-02
Scor	6.1	4.6
Rang	#100	#155
Fiabilitate	10.0	10.0
Consistență	8.0	9.7
Teste corecte
Rată de trecere pe încercare	52.4%	20.6%
Teste instabile	5	1
Rulări totale	63	63
Cost per rezultat	0.141	0.123
Cost total	$0.013	$0.006
Preț de intrare	$0.039 / 1M	$0.100 / 1M
Preț de ieșire	$0.180 / 1M	$0.150 / 1M
Total tokenuri de intrare	39,084	48,041
Tokenuri de ieșire	20,013	3,952
Tokenuri de raționament	50,233	0
Timp de răspuns (mediu)	22.28s	1.89s
Timp de răspuns (maxim)	68.16s	6.03s
Timp de răspuns (total)	311.96s	39.68s

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

#155 Qwen3.5-9B

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
Qwen3.5-9B	3.1	9.9	0.0%	0		1.71s	696	582	0

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
Qwen3.5-9B	3.9	7.8	11.1%	1		5.60s	7,913	1,042	0

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072
Qwen3.5-9B	3.0	10.0	0.0%	0		5.91s	20,397	1,255	0

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
Qwen3.5-9B	10.0	10.0	100.0%	0		847ms	7,788	249	0

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606
Qwen3.5-9B	3.0	10.0	0.0%	0		464ms	789	24	0

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
Qwen3.5-9B	4.4	9.9	0.0%	0		552ms	522	99	0

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
Qwen3.5-9B	6.5	10.0	50.0%	0		514ms	711	75	0

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
Qwen3.5-9B	3.2	10.0	0.0%	0		621ms	714	347	0

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
Qwen3.5-9B	10.0	10.0	100.0%	0		1.27s	8,301	273	0

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
Qwen3.5-9B	3.0	10.0	0.0%	0		2.32s	210	6	0

Comparație rapidă

Schimbă perechea de comparație