导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: gpt-oss-120b vs Qwen: Qwen3.5 Plus 2026-04-20

摘要

gpt-oss-120b vs Qwen3.5 Plus 2026-04-20 benchmark 对比：gpt-oss-120b 平均分领先，为 6.1 vs 5.7。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.032。 Qwen3.5 Plus 2026-04-20 更快，为 4.39s vs 22.28s，通过率为 52.4% vs 41.3%。

推荐模型: gpt-oss-120b - 它在这里得分最高（6.1），同时成本比Qwen3.5 Plus 2026-04-20低约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用 Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none 发布日期: 2026-04-20
分数 6.1 5.7
排名 #100 #115
可靠性 10.0 10.0
一致性 8.0 8.6
测试正确
尝试通过率 52.4% 41.3%
不稳定测试 5 4
总运行次数 63 63
每个结果成本 0.141 0.595
总成本 $0.013 $0.032
输入价格 $0.039 / 1M $0.300 / 1M
输出价格 $0.180 / 1M $1.800 / 1M
总输入令牌 39,084 38,910
输出令牌 20,013 11,145
推理令牌 50,233 0
响应时间（平均） 22.28s 4.39s
响应时间（最大） 68.16s 33.34s
响应时间（总计） 311.96s 92.26s

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

#115 Qwen3.5 Plus 2026-04-20

none
Cost
$0.008
Time
77.0s
Tokens
4,369 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 Plus 2026-04-20 4.8 10.0 25.0% 0 1.88s 696 557 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 Plus 2026-04-20 3.9 7.8 11.1% 1 1.69s 7,913 480 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 10.0 10.0 100.0% 0 31.18s 11,535 694 5,072
Qwen3.5 Plus 2026-04-20 2.8 1.6 33.3% 1 13.32s 11,350 2,275 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 Plus 2026-04-20 10.0 10.0 100.0% 0 2.82s 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 Plus 2026-04-20 5.3 10.0 33.3% 0 4.43s 789 18 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 Plus 2026-04-20 4.8 10.0 0.0% 0 1.41s 522 119 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 Plus 2026-04-20 6.2 5.8 66.7% 1 1.17s 711 68 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 Plus 2026-04-20 6.7 7.9 55.6% 1 1.97s 714 583 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 Plus 2026-04-20 10.0 10.0 100.0% 0 4.42s 8,211 297 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 Plus 2026-04-20 3.0 10.0 0.0% 0 33.34s 210 6,505 0

快速对比

切换对比组合

gpt-oss-120bmedium免费可用vsGLM 5noneCobuddymediumvsQwen3.5 Plus 2026-04-20noneGemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用Gemma 4 26B A4Bnone免费可用vsgpt-oss-120bmedium免费可用Nemotron 3 Supermedium免费可用vsQwen3.5 Plus 2026-04-20noneDeepSeek V4 Prohighvsgpt-oss-120bmedium免费可用Ring-2.6-1Tnonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-02-15noneNemotron 3 Ultra 550b A55bnone免费可用vsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Litenonevsgpt-oss-120bmedium免费可用DeepSeek V4 ProhighvsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsQwen3.7 Plusnone