AI BENCHY 对比
OpenAI: gpt-oss-120b vs Qwen: Qwen3.7 Plus
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04
| 指标 | gpt-oss-120b gpt-oss-120b medium 免费可用 | Qwen3.7 Plus Qwen3.7 Plus none |
|---|---|---|
| 分数 | 6.1 | 6.4 |
| 排名 | #99 | #88 |
| 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% | 47.6% |
| 不稳定测试 | 5 | 0 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 0.141 | 0.276 |
| 总成本 | $0.013 | $0.028 |
| 输入价格 | $0.039 / 1M | $0.400 / 1M |
| 输出价格 | $0.180 / 1M | $1.600 / 1M |
| 总输入令牌 | 39,084 | 42,510 |
| 输出令牌 | 20,013 | 6,578 |
| 推理令牌 | 50,233 | 0 |
| 响应时间（平均） | 22.28s | 2.85s |
| 响应时间（最大） | 68.16s | 29.38s |
| 响应时间（总计） | 311.96s | 59.86s |
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 | |
| Qwen3.7 Plus | 6.5 | 10.0 | 50.0% | 0 | 1.38s | 696 | 349 | 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 | |
| Qwen3.7 Plus | 5.5 | 10.0 | 33.3% | 0 | 2.15s | 7,911 | 639 | 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 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 29.38s | 14,952 | 4,505 | 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 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 1.43s | 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 | |
| Qwen3.7 Plus | 3.0 | 10.0 | 0.0% | 0 | 868ms | 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 | |
| Qwen3.7 Plus | 5.3 | 10.0 | 0.0% | 0 | 1.33s | 522 | 78 | 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 | |
| Qwen3.7 Plus | 6.3 | 10.0 | 50.0% | 0 | 929ms | 711 | 72 | 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 | |
| Qwen3.7 Plus | 7.7 | 10.0 | 66.7% | 0 | 1.71s | 714 | 443 | 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 | |
| Qwen3.7 Plus | 10.0 | 10.0 | 100.0% | 0 | 3.54s | 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 | |
| Qwen3.7 Plus | 3.0 | 10.0 | 0.0% | 0 | 1.21s | 210 | 9 | 0 |
快速对比
切换对比组合
Gemini 3.1 Flash LiteminimalvsQwen3.7 Plusnonegpt-oss-120bmedium免费可用vsGLM 5noneGemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsMimo V2 OmninoneGemma 4 26B A4Bnone免费可用vsgpt-oss-120bmedium免费可用DeepSeek V4 Prohighvsgpt-oss-120bmedium免费可用Ring-2.6-1Tnonevsgpt-oss-120bmedium免费可用GPT-5 NanomediumvsQwen3.7 Plusnonegpt-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Mercury 2mediumvsQwen3.7 PlusnoneQwen3.7 PlusnonevsMimo V2 Omnimedium