AI BENCHY 对比

OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 35B A3B

摘要

gpt-oss-120b vs Qwen3.6 35B A3B benchmark 对比：gpt-oss-120b 平均分领先，为 6.1 vs 4.6。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.031。 Qwen3.6 35B A3B 更快，为 3.73s vs 22.28s，通过率为 52.4% vs 30.2%。

推荐模型: gpt-oss-120b - 它在这里得分最高（6.1），同时成本比Qwen3.6 35B A3B低约 2.5 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	Qwen3.6 35B A3B Qwen3.6 35B A3B none 发布日期: 2026-04-20

指标	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用	Qwen3.6 35B A3B Qwen3.6 35B A3B none 发布日期: 2026-04-20
分数	6.1	4.6
排名	#100	#154
可靠性	10.0	10.0
一致性	8.0	8.0
测试正确
尝试通过率	52.4%	30.2%
不稳定测试	5	5
总运行次数	63	63
每个结果成本	0.141	0.754
总成本	$0.013	$0.031
输入价格	$0.039 / 1M	$0.140 / 1M
输出价格	$0.180 / 1M	$1.000 / 1M
总输入令牌	39,084	19,329
输出令牌	20,013	27,755
推理令牌	50,233	0
响应时间（平均）	22.28s	3.73s
响应时间（最大）	68.16s	22.52s
响应时间（总计）	311.96s	70.86s

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

#154 Qwen3.6 35B A3B

none

Cost: $0.008
Time: 30.1s
Tokens: 6,317 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
Qwen3.6 35B A3B	3.6	7.6	16.7%	1		2.10s	696	1,571	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
Qwen3.6 35B A3B	5.5	10.0	33.3%	0		8.77s	7,911	11,161	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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		0ms	0	0	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
Qwen3.6 35B A3B	10.0	10.0	100.0%	0		1.46s	7,788	248	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
Qwen3.6 35B A3B	3.5	4.4	33.3%	2		7.45s	781	11,381	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
Qwen3.6 35B A3B	4.4	3.0	33.3%	1		3.51s	520	1,545	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
Qwen3.6 35B A3B	6.2	5.8	66.7%	1		1.86s	709	1,264	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
Qwen3.6 35B A3B	3.2	9.9	0.0%	0		1.07s	714	573	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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		0ms	0	0	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
Qwen3.6 35B A3B	3.0	10.0	0.0%	0		414ms	210	12	0

快速对比

切换对比组合