AI BENCHY 对比

Google: Gemini 3.5 Flash vs OpenAI: gpt-oss-120b

摘要

Gemini 3.5 Flash vs gpt-oss-120b benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.8 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.011 vs $1.115。 Gemini 3.5 Flash 更快，为 8.84s vs 22.28s，通过率为 96.8% vs 52.4%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.8），同时响应速度比gpt-oss-120b快约 2.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数	9.8	6.7
排名	#1	#81
可靠性	10.0	10.0
一致性	9.6	8.0
测试正确
尝试通过率	96.8%	52.4%
不稳定测试	1	5
总运行次数	63	63
每个结果成本	5.575	0.141
总成本	$1.115	$0.011
输入价格	$1.500 / 1M	$0.030 / 1M
输出价格	$9.000 / 1M	$0.150 / 1M
总输入令牌	37,594	39,084
输出令牌	1,975	20,013
推理令牌	115,638	50,233
响应时间（平均）	8.84s	22.28s
响应时间（最大）	34.82s	68.16s
响应时间（总计）	185.57s	311.96s

生成展示

Hamster playing table tennis

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

#1 Gemini 3.5 Flash

high

成本: $0.208
时间: 118.2s
令牌: 23,158 tok

#81 gpt-oss-120b

medium

成本: $0.001
时间: 26.7s
令牌: 555 tok

按分数排名的模型

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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		2.57s	492	174	4,997
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		22.96s	8,118	456	47,129
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		22.37s	12,873	351	16,323
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		6.43s	7,548	279	8,466
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	7.6	7.2	77.8%	1		14.09s	633	12	24,721
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.63s	486	115	1,650
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.35s	615	70	3,799
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.23s	558	241	4,940
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	9.8	10.0	100.0%	0		4.96s	6,115	265	1,608
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

常识问答	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）	输入令牌	输出令牌	推理令牌
Gemini 3.5 Flash	10.0	10.0	100.0%	0		3.94s	156	12	2,005
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

快速对比

切换对比组合