AI BENCHY 对比

OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 Flash

摘要

gpt-oss-120b vs Qwen3.6 Flash benchmark 对比：gpt-oss-120b 平均分领先，为 6.1 vs 5.4。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.015。 Qwen3.6 Flash 更快，为 1.60s vs 22.28s，通过率为 52.4% vs 33.3%。

推荐模型: Qwen3.6 Flash - 它的得分接近这里的最高分（5.4 vs 6.1），同时响应速度比gpt-oss-120b快约 13.9 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 Flash Qwen3.6 Flash 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 Flash Qwen3.6 Flash none 发布日期: 2026-04-20
分数	6.1	5.4
排名	#100	#129
可靠性	10.0	10.0
一致性	8.0	10.0
测试正确
尝试通过率	52.4%	33.3%
不稳定测试	5	0
总运行次数	63	63
每个结果成本	0.141	0.266
总成本	$0.013	$0.015
输入价格	$0.039 / 1M	$0.188 / 1M
输出价格	$0.180 / 1M	$1.125 / 1M
总输入令牌	39,084	50,810
输出令牌	20,013	4,164
推理令牌	50,233	0
响应时间（平均）	22.28s	1.60s
响应时间（最大）	68.16s	4.60s
响应时间（总计）	311.96s	33.59s

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

#129 Qwen3.6 Flash

none

Cost: $0.005
Time: 20.1s
Tokens: 4,211 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 Flash	3.1	10.0	0.0%	0		1.63s	696	1,554	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 Flash	5.4	10.0	33.3%	0		1.79s	6,488	889	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 Flash	3.0	10.0	0.0%	0		4.22s	24,675	315	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 Flash	10.0	10.0	100.0%	0		2.13s	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
Qwen3.6 Flash	5.3	10.0	33.3%	0		1.11s	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
Qwen3.6 Flash	10.0	10.0	100.0%	0		947ms	522	132	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 Flash	6.3	10.0	50.0%	0		1.10s	711	66	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 Flash	3.5	10.0	0.0%	0		1.21s	714	669	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 Flash	10.0	10.0	100.0%	0		2.49s	8,211	272	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 Flash	3.0	10.0	0.0%	0		649ms	210	9	0

快速对比

切换对比组合