AI BENCHY Compare

OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 Flash

Сводка

Сравнение benchmark gpt-oss-120b vs Qwen3.6 Flash: gpt-oss-120b лидирует по среднему баллу: 6.1 vs 5.4. gpt-oss-120b имеет более низкую стоимость benchmark: $0.013 vs $0.015. Qwen3.6 Flash быстрее: 1.60s vs 22.28s, с долей успешных попыток 52.4% vs 33.3%.

Рекомендуемая модель: Qwen3.6 Flash - Его балл близок к лучшему здесь (5.4 против 6.1), и он отвечает примерно в 13.9 раза быстрее, чем gpt-oss-120b.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-10

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Qwen3.6 Flash Qwen3.6 Flash none Релиз: 2026-04-20

Метрика	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно	Qwen3.6 Flash Qwen3.6 Flash none Релиз: 2026-04-20
Оценка	6.1	5.4
Ранг	#100	#129
Надежность	10.0	10.0
Стабильность	8.0	10.0
Тестов верно
Доля успешных попыток	52.4%	33.3%
Нестабильные тесты	5	0
Всего запусков	63	63
Стоимость за результат	0.141	0.266
Общая стоимость	$0.013	$0.015
Цена входа	$0.039 / 1M	$0.188 / 1M
Цена выхода	$0.180 / 1M	$1.125 / 1M
Общее число входных токенов	39,084	50,810
Выходные токены	20,013	4,164
Токены рассуждений	50,233	0
Время ответа (среднее)	22.28s	1.60s
Время ответа (макс.)	68.16s	4.60s
Время ответа (суммарно)	311.96s	33.59s

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

#129 Qwen3.6 Flash

none

Cost: $0.005
Time: 20.1s
Tokens: 4,211 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
Qwen3.6 Flash	3.1	10.0	0.0%	0		1.63s	696	1,554	0

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
Qwen3.6 Flash	5.4	10.0	33.3%	0		1.79s	6,488	889	0

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
Qwen3.6 Flash	3.0	10.0	0.0%	0		4.22s	24,675	315	0

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.13s	7,794	243	0

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
Qwen3.6 Flash	5.3	10.0	33.3%	0		1.11s	789	15	0

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		947ms	522	132	0

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
Qwen3.6 Flash	6.3	10.0	50.0%	0		1.10s	711	66	0

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
Qwen3.6 Flash	3.5	10.0	0.0%	0		1.21s	714	669	0

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
Qwen3.6 Flash	10.0	10.0	100.0%	0		2.49s	8,211	272	0

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
Qwen3.6 Flash	3.0	10.0	0.0%	0		649ms	210	9	0

Быстрое сравнение

Сменить пару сравнения