Navigare
Advertise here

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

gpt-oss-120b (medium) conduce la scorul mediu cu 5.9 vs 5.8. Qwen3.8 Flash Next are costul de benchmark mai mic, ~$0.011 vs $0.030. Qwen3.8 Flash Next este mai rapid cu 5.71s vs 31.58s, cu rate de reușită de 47.8% vs 43.5%.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-10-05

Modele comparate

Rang
#252
Total tokenuri de ieșire
118,831
Timp de răspuns (mediu)
31.58s
Cost total
$0.030
Rang
#258
Total tokenuri de ieșire
9,077
Timp de răspuns (mediu)
5.71s
Cost total
~$0.011
Model recomandat Qwen3.8 Flash Next

Scorul rămâne aproape de cel mai bun scor de aici (5.8 vs 5.9) și costă de aproximativ 2.7x mai puțin decât gpt-oss-120b (medium).

Comparație detaliată

Metrică gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Qwen3.8 Flash Next Qwen3.8 Flash Next none Lansare: 2026-10-04
Scor 5.9 5.8
Rang #252 #258
Fiabilitate 10.0 10.0
Consistență 8.1 9.0
Încercări 69/69 69/69
Teste corecte
Rată de trecere pe încercare 47.8% 43.5%
Teste instabile 5 3
Rulări totale 69 69
Cost per rezultat 0.335 ~0.136
Cost total $0.030 ~$0.011
Preț de intrare $0.037 / 1M N/D
Preț de ieșire $0.170 / 1M N/D
Preț citire cache N/D N/D
Preț scriere cache N/D N/D
Total tokenuri de intrare 285,293 266,004
Tokenuri de ieșire 29,565 9,077
Tokenuri de raționament 89,266 0
Timp de răspuns (mediu) 31.58s 5.71s
Timp de răspuns (maxim) 203.90s 65.25s
Timp de răspuns (total) 536.78s 131.36s
Parametri 117B în total (5.1B activi) 180B în total (6B activi)
Disponibilitate Sursă deschisă Ponderi disponibile

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#252 gpt-oss-120b

medium
Cost
$0.001
Timp
26.7s
Tokenuri
555 tok

#258 Qwen3.8 Flash Next

none
Cost
~$0.001
Timp
27.5s
Tokenuri
2,983 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

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
Qwen3.8 Flash Next 5.5 10.0 33.3% 0 1.64s 7,911 669 0

Comparație rapidă

Schimbă perechea de comparație