AI BENCHY 对比

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

摘要

gpt-oss-120b vs Qwen3.6 Max Preview benchmark 对比：gpt-oss-120b 平均分领先，为 6.7 vs 6.0。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.075。 Qwen3.6 Max Preview 更快，为 3.30s vs 22.28s，通过率为 52.4% vs 58.7%。

推荐模型: gpt-oss-120b - 它在这里得分最高（6.7），同时成本比Qwen3.6 Max Preview低约 6.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用	Qwen3.6 Max Preview Qwen3.6 Max Preview 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 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20
分数	6.7	6.0
排名	#78	#100
可靠性	10.0	10.0
一致性	8.0	9.2
测试正确
尝试通过率	52.4%	58.7%
不稳定测试	5	2
总运行次数	63	63
每个结果成本	0.141	0.824
总成本	$0.013	$0.075
输入价格	$0.039 / 1M	$1.040 / 1M
输出价格	$0.180 / 1M	$6.240 / 1M
总输入令牌	39,084	42,509
输出令牌	20,013	4,779
推理令牌	50,233	0
响应时间（平均）	22.28s	3.30s
响应时间（最大）	68.16s	20.51s
响应时间（总计）	311.96s	69.40s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#78 gpt-oss-120b

medium

成本: $0.001
时间: 26.7s
令牌: 555 tok

#100 Qwen3.6 Max Preview

none

成本: $0.025
时间: 83.9s
令牌: 4,066 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 Max Preview	5.2	7.9	41.7%	1		2.63s	696	513	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 Max Preview	3.8	7.3	22.2%	1		3.12s	7,913	456	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 Max Preview	3.0	10.0	0.0%	0		20.51s	14,949	2,842	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 Max Preview	10.0	10.0	100.0%	0		2.87s	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 Max Preview	7.7	10.0	66.7%	0		1.22s	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
Qwen3.6 Max Preview	4.3	10.0	0.0%	0		1.62s	522	76	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 Max Preview	9.8	10.0	100.0%	0		1.40s	711	69	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 Max Preview	10.0	10.0	100.0%	0		2.65s	714	321	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 Max Preview	10.0	10.0	100.0%	0		5.27s	8,211	222	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 Max Preview	3.0	10.0	0.0%	0		1.97s	210	19	0

快速对比

切换对比组合