AI BENCHY Compare

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

Сводка

Сравнение benchmark gpt-oss-120b vs Qwen3.5-Flash: Qwen3.5-Flash лидирует по среднему баллу: 6.8 vs 6.7. gpt-oss-120b имеет более низкую стоимость benchmark: $0.011 vs $0.080. gpt-oss-120b быстрее: 22.28s vs 63.29s, с долей успешных попыток 52.4% vs 71.4%.

Рекомендуемая модель: gpt-oss-120b - Его балл близок к лучшему здесь (6.7 против 6.8), при этом он примерно в 8.0 раза дешевле, чем Qwen3.5-Flash.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-02

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Qwen3.5-Flash Qwen3.5-Flash medium Релиз: 2026-02-24

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Qwen3.5-Flash Qwen3.5-Flash medium Релиз: 2026-02-24
Оценка	6.7	6.8
Ранг	#81	#73
Надежность	10.0	10.0
Стабильность	8.0	8.1
Тестов верно
Доля успешных попыток	52.4%	71.4%
Нестабильные тесты	5	5
Всего запусков	63	63
Стоимость за результат	0.141	0.871
Общая стоимость	$0.011	$0.080
Цена входа	$0.030 / 1M	$0.065 / 1M
Цена выхода	$0.150 / 1M	$0.260 / 1M
Общее число входных токенов	39,084	38,926
Выходные токены	20,013	2,088
Токены рассуждений	50,233	294,598
Время ответа (среднее)	22.28s	63.29s
Время ответа (макс.)	68.16s	234.29s
Время ответа (суммарно)	311.96s	1265.85s

Генерация showcase

Hamster playing table tennis

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

#81 gpt-oss-120b

medium

Стоимость: $0.001
Время: 26.7s
Токены: 555 tok

#73 Qwen3.5-Flash

medium

Стоимость: $0.002
Время: 25.8s
Токены: 4,294 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения

Gemini 3.5 FlashminimalvsQwen3.5-Flashmedium Gemini 3 Flash PreviewnonevsQwen3.5-Flashmedium Gemini 3.5 Flashminimalvsgpt-oss-120bmediumБесплатно доступно Gemini 3.5 FlashnonevsQwen3.5-Flashmedium gpt-oss-120bmediumБесплатно доступноvsQwen3.7 Maxnone Gemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmediumБесплатно доступно Gemini 3 Flash Previewnonevsgpt-oss-120bmediumБесплатно доступно Gemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmediumБесплатно доступно Qwen3.5-FlashmediumvsStep 3.7 Flashhigh Gemini 3.1 Flash Litelowvsgpt-oss-120bmediumБесплатно доступно Gemini 3.5 Flashnonevsgpt-oss-120bmediumБесплатно доступно Qwen3.5-FlashmediumvsGLM 5.2none