导航
AI BENCHY
Advertise here

AI BENCHY 对比

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

摘要

gpt-oss-120b vs Qwen3.5-Flash benchmark 对比：Qwen3.5-Flash 平均分领先，为 6.8 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.011 vs $0.080。 gpt-oss-120b 更快，为 22.28s vs 63.29s，通过率为 52.4% vs 71.4%。

推荐模型: gpt-oss-120b - 它的得分接近这里的最高分（6.7 vs 6.8），同时成本比Qwen3.5-Flash低约 8.0 倍。

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

指标 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用 Qwen3.5-Flash Qwen3.5-Flash medium 发布日期: 2026-02-24
分数 6.7 6.8
排名 #81 #73
可靠性 10.0 10.0
一致性 8.0 8.1
测试正确
尝试通过率 52.4% 71.4%
不稳定测试 5 5
总运行次数 63 63
每个结果成本 0.141 0.871
总成本 $0.011 $0.080
输入价格 $0.030 / 1M $0.065 / 1M
输出价格 $0.150 / 1M $0.260 / 1M
总输入令牌 39,084 38,926
输出令牌 20,013 2,088
推理令牌 50,233 294,598
响应时间（平均） 22.28s 63.29s
响应时间（最大） 68.16s 234.29s
响应时间（总计） 311.96s 1265.85s

生成展示

Hamster playing table tennis

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

#81 gpt-oss-120b

medium
成本
$0.001
时间
26.7s
令牌
555 tok

#73 Qwen3.5-Flash

medium
成本
$0.002
时间
25.8s
令牌
4,294 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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

快速对比

切换对比组合

Gemini 3.5 FlashminimalvsQwen3.5-FlashmediumGemini 3 Flash PreviewnonevsQwen3.5-FlashmediumGemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用Gemini 3.5 FlashnonevsQwen3.5-Flashmediumgpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用Gemini 3 Flash Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmedium免费可用Qwen3.5-FlashmediumvsStep 3.7 FlashhighGemini 3.1 Flash Litelowvsgpt-oss-120bmedium免费可用Gemini 3.5 Flashnonevsgpt-oss-120bmedium免费可用Qwen3.5-FlashmediumvsGLM 5.2none