AI BENCHY 对比
OpenAI: gpt-oss-120b vs Qwen: Qwen3.5 Plus 2026-04-20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | gpt-oss-120b gpt-oss-120b medium 免费可用 | Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none |
|---|---|---|
| 分数 | 5.8 | 5.8 |
| 排名 | #86 | #88 |
| 可靠性 | 不适用 | 9.8 |
| 一致性 | 7.2 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 51.9% | 42.6% |
| 不稳定测试 | 6 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.144 | 0.397 |
| 总成本 | $0.011 | $0.024 |
| ???? | $0.000 / 1M | $0.400 / 1M |
| ???? | $0.000 / 1M | $2.400 / 1M |
| 输出令牌 | 13,493 | 4,645 |
| 推理令牌 | 36,879 | 0 |
| 响应时间（平均） | 16.08s | 3.18s |
| 响应时间（最大） | 50.92s | 13.32s |
| 响应时间（总计） | 176.88s | 57.24s |
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 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 3,518 | 2,177 | |
| Qwen3.5 Plus 2026-04-20 | 4.8 | 10.0 | 25.0% | 0 | 1.88s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 26.33s | 228 | 2,549 | |
| Qwen3.5 Plus 2026-04-20 | 5.3 | 3.4 | 33.3% | 1 | 3.20s | 450 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 | |
| Qwen3.5 Plus 2026-04-20 | 2.8 | 1.6 | 33.3% | 1 | 13.32s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 | |
| Qwen3.5 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 2.82s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 | |
| Qwen3.5 Plus 2026-04-20 | 5.3 | 10.0 | 33.3% | 0 | 4.43s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 | |
| Qwen3.5 Plus 2026-04-20 | 4.8 | 10.0 | 0.0% | 0 | 1.41s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 | |
| Qwen3.5 Plus 2026-04-20 | 6.2 | 5.8 | 66.7% | 1 | 1.17s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.2 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 | |
| Qwen3.5 Plus 2026-04-20 | 4.8 | 7.9 | 22.2% | 1 | 2.03s | 618 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 | |
| Qwen3.5 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 4.42s | 297 | 0 |
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vsQwen3.5-27Bnonegpt-oss-120bmedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bmedium免费可用vsQwen3.6 FlashnoneMiniMax M2.5medium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5 Plus 2026-04-20nonegpt-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 27Bnonegpt-oss-120bmedium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsGLM 5.1none