#115 gpt-oss-120b
medium- 成本
- $0.001
- 时间
- 26.7s
- 令牌
- 555 tok
OpenAI: gpt-oss-120b vs Qwen: Qwen3.5-Flash
平均分几乎持平，为 6.1 vs 6.1。 gpt-oss-120b (medium) benchmark 成本更低，为 $0.019 vs $0.073。 gpt-oss-120b (medium) 更快，为 21.91s vs 25.28s，通过率为 50.0% vs 39.4%。
推荐模型gpt-oss-120b (medium)它在这里得分最高（6.1），同时成本比Qwen3.5-Flash低约 3.9 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | gpt-oss-120b gpt-oss-120b medium | Qwen3.5-Flash Qwen3.5-Flash none |
|---|---|---|
| 分数 | 6.1 | 6.1 |
| 排名 | #115 | #118 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 9.3 |
| 测试正确 | ||
| 尝试通过率 | 50.0% | 39.4% |
| 不稳定测试 | 5 | 2 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.221 | 0.933 |
| 总成本 | $0.019 | $0.073 |
| 输入价格 | $0.037 / 1M | $0.065 / 1M |
| 输出价格 | $0.170 / 1M | $0.260 / 1M |
| 总输入令牌 | 108,747 | 282,347 |
| 输出令牌 | 29,772 | 209,201 |
| 推理令牌 | 68,044 | 0 |
| 响应时间（平均） | 21.91s | 25.28s |
| 响应时间（最大） | 68.16s | 480.96s |
| 响应时间（总计） | 328.70s | 556.24s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#118 Qwen3.5-Flash
none- 成本
- $0.003
- 时间
- 47.4s
- 令牌
- 7,799 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 | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 696 | 690 | 0 |
| 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 | 5.5 | 10.0 | 33.3% | 0 | 850ms | 7,913 | 519 | 0 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 23.96s | 81,198 | 10,453 | 22,883 | |
| Qwen3.5-Flash | 2.9 | 5.8 | 16.7% | 1 | 243.59s | 254,787 | 206,719 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 7,794 | 243 | 0 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 905ms | 789 | 15 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 803ms | 522 | 100 | 0 |
| 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 | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 711 | 63 | 0 |
| 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 | 3.1 | 10.0 | 0.0% | 0 | 10.89s | 714 | 579 | 0 |
| 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 | 3.67s | 8,211 | 264 | 0 |
| 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 | 588ms | 210 | 9 | 0 |
快速对比
切换对比组合
Gemini 3.1 Flash Litenonevsgpt-oss-120bmediumgpt-oss-120bmediumvsQwen3.6 FlashnoneGemini 3.1 Flash Liteminimalvsgpt-oss-120bmediumGPT-5 NanomediumvsQwen3.5-Flashnonegpt-oss-120bmediumvsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmediumvsQwen3.5-35B-A3BnoneGemini 2.5 Flashnonevsgpt-oss-120bmediumGemini 3.1 Flash LiteminimalvsQwen3.5-FlashnoneQwen3.5-FlashnonevsStep 3.5 FlashmediumNemotron 3 Ultranone免费可用vsgpt-oss-120bmediumSeed-2.0-Litenonevsgpt-oss-120bmediumGemma 4 31Bnone免费可用vsgpt-oss-120bmedium