AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 7.6 | 5.8 |
| 排名 | #49 | #88 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.1 | 7.2 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 51.9% |
| 不稳定测试 | 2 | 6 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 12.047 | 0.144 |
| 总成本 | $1.446 | $0.011 |
| ???? | $5.000 / 1M | $0.000 / 1M |
| ???? | $25.000 / 1M | $0.000 / 1M |
| 输出令牌 | 29,829 | 13,493 |
| 推理令牌 | 18,938 | 36,879 |
| 响应时间（平均） | 21.08s | 16.08s |
| 响应时间（最大） | 83.40s | 50.92s |
| 响应时间（总计） | 231.84s | 176.88s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 986 | 1,071 | |
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 3,518 | 2,177 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 23.11s | 3,486 | 1,504 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 26.33s | 228 | 2,549 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| gpt-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| gpt-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| gpt-oss-120b | 3.2 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
快速对比
切换对比组合
Kimi K2.6nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5-27BnoneClaude Opus 4.6mediumvsGPT-5.3 Chatnonegpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bmedium免费可用vsQwen3.6 Flashnonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10Bnonegpt-oss-120bmedium免费可用vsMiMo-V2-PrononeDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.6 27BnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighDeepSeek V4 Prononevsgpt-oss-120bmedium免费可用