Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-27B

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-26

Metrică gpt-oss-120b gpt-oss-120b none Lansare: 2025-08-05 Disponibil gratuit Qwen3.5-27B Qwen3.5-27B none Lansare: 2026-02-24
Scor 5.4 5.8
Rang #119 #106
Fiabilitate 10.0 10.0
Consistență 9.1 9.3
Teste corecte
Rată de trecere pe încercare 38.6% 40.0%
Teste instabile 2 2
Rulări totale 133 136
Cost per rezultat 0.302 0.509
Cost total $0.019 $0.036
Preț de intrare $0.000 / 1M $0.195 / 1M
Preț de ieșire $0.000 / 1M $1.560 / 1M
Tokenuri de ieșire 91,564 10,539
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 21.61s 1.69s
Timp de răspuns (maxim) 113.71s 9.39s
Timp de răspuns (total) 345.79s 33.82s

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 ieșire Tokenuri de raționament
gpt-oss-120b 6.5 10.0 50.0% 0 32.84s 8,676 0
Qwen3.5-27B 4.8 10.0 25.0% 0 788ms 267 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 4.3 1.1 66.7% 1 9.57s 3,232 0
Qwen3.5-27B 7.3 10.0 50.0% 0 1.98s 408 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.0 10.0 0.0% 0 0ms 0 0
Qwen3.5-27B 2.8 1.6 33.3% 1 9.39s 1,461 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 6.5 10.0 50.0% 0 7.12s 598 0
Qwen3.5-27B 10.0 10.0 100.0% 0 1.43s 243 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.0 10.0 0.0% 0 34.98s 29,483 0
Qwen3.5-27B 3.0 10.0 0.0% 0 540ms 15 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 4.8 10.0 0.0% 0 10.79s 615 0
Qwen3.5-27B 5.0 10.0 0.0% 0 2.51s 126 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 9.8 10.0 100.0% 0 5.06s 10,870 0
Qwen3.5-27B 6.3 10.0 50.0% 0 1.03s 791 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 6.0 7.2 55.6% 1 8.21s 34,952 0
Qwen3.5-27B 6.7 7.9 55.6% 1 1.38s 6,915 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.0 10.0 0.0% 0 0ms 0 0
Qwen3.5-27B 10.0 10.0 100.0% 0 3.54s 303 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.0 10.0 0.0% 0 47.29s 3,138 0
Qwen3.5-27B 3.0 10.0 0.0% 0 599ms 10 0

Comparație rapidă

Schimbă perechea de comparație

MiniMax M2.5mediumDisponibil gratuitvsgpt-oss-120bnoneDisponibil gratuitCobuddymediumDisponibil gratuitvsQwen3.5-27BnoneMistral Small 4mediumvsgpt-oss-120bnoneDisponibil gratuitgpt-oss-120bnoneDisponibil gratuitvsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnoneDisponibil gratuitOwl AlphamediumvsQwen3.5-27Bnonegpt-oss-120bmediumDisponibil gratuitvsQwen3.5-27BnoneNemotron 3 SupermediumDisponibil gratuitvsQwen3.5-27BnoneCobuddymediumDisponibil gratuitvsgpt-oss-120bnoneDisponibil gratuitMiniMax M2.5mediumDisponibil gratuitvsQwen3.5-27BnoneGPT-5 NanomediumvsQwen3.5-27BnoneMistral Small 4mediumvsQwen3.5-27Bnone