Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

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

Rezumat

Comparație benchmark gpt-oss-120b vs Qwen3.5-Flash: Qwen3.5-Flash conduce la scorul mediu cu 6.8 vs 6.7. gpt-oss-120b are costul de benchmark mai mic, $0.011 vs $0.080. gpt-oss-120b este mai rapid cu 22.28s vs 63.29s, cu rate de reușită de 52.4% vs 71.4%.

Model recomandat: gpt-oss-120b - Scorul rămâne aproape de cel mai bun scor de aici (6.7 vs 6.8) și costă de aproximativ 8.0x mai puțin decât Qwen3.5-Flash.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit Qwen3.5-Flash Qwen3.5-Flash medium Lansare: 2026-02-24
Scor 6.7 6.8
Rang #81 #73
Fiabilitate 10.0 10.0
Consistență 8.0 8.1
Teste corecte
Rată de trecere pe încercare 52.4% 71.4%
Teste instabile 5 5
Rulări totale 63 63
Cost per rezultat 0.141 0.871
Cost total $0.011 $0.080
Preț de intrare $0.030 / 1M $0.065 / 1M
Preț de ieșire $0.150 / 1M $0.260 / 1M
Total tokenuri de intrare 39,084 38,926
Tokenuri de ieșire 20,013 2,088
Tokenuri de raționament 50,233 294,598
Timp de răspuns (mediu) 22.28s 63.29s
Timp de răspuns (maxim) 68.16s 234.29s
Timp de răspuns (total) 311.96s 1265.85s

Prezentare generare

Hamster playing table tennis

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

#81 gpt-oss-120b

medium
Cost
$0.001
Timp
26.7s
Tokenuri
555 tok

#73 Qwen3.5-Flash

medium
Cost
$0.002
Timp
25.8s
Tokenuri
4,294 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-Flash 10.0 10.0 100.0% 0 59.11s 672 383 32,992
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-Flash 3.7 7.2 22.2% 1 58.87s 6,685 302 90,081
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-Flash 10.0 10.0 100.0% 0 17.78s 14,934 483 8,270
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-Flash 7.3 5.9 83.3% 1 56.99s 6,061 235 16,237
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-Flash 5.3 7.2 44.4% 1 146.50s 581 58 43,615
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-Flash 6.1 3.1 66.7% 1 40.05s 516 99 38,486
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-Flash 10.0 10.0 100.0% 0 63.49s 699 98 14,139
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-Flash 8.2 7.2 88.9% 1 27.61s 381 89 12,457
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-Flash 10.0 10.0 100.0% 0 10.33s 8,193 309 1,284
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-Flash 3.0 10.0 0.0% 0 48.98s 204 32 37,037

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.5 Flashminimalvsgpt-oss-120bmediumDisponibil gratuitGemini 3.5 FlashnonevsQwen3.5-Flashmediumgpt-oss-120bmediumDisponibil gratuitvsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumDisponibil gratuitGemini 3 Flash Previewnonevsgpt-oss-120bmediumDisponibil gratuitGemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmediumDisponibil gratuitQwen3.5-FlashmediumvsStep 3.7 FlashhighGemini 3.1 Flash Litelowvsgpt-oss-120bmediumDisponibil gratuitGemini 3.5 Flashnonevsgpt-oss-120bmediumDisponibil gratuitQwen3.5-FlashmediumvsGLM 5.2none