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：: 2026-05-26
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | Qwen3.5 Plus 2026-04-20 Qwen3.5 Plus 2026-04-20 none |
|---|---|---|
| 分数 | 5.4 | 5.8 |
| 排名 | #119 | #103 |
| 可靠性 | 10.0 | 9.9 |
| 一致性 | 9.1 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 38.6% | 43.3% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 0.168 | 0.582 |
| 总成本 | $0.011 | $0.041 |
| ???? | $0.000 / 1M | $0.300 / 1M |
| ???? | $0.000 / 1M | $1.800 / 1M |
| 输出令牌 | 51,664 | 11,139 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 21.61s | 4.57s |
| 响应时间（最大） | 113.71s | 33.34s |
| 响应时间（总计） | 345.79s | 91.37s |
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 | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 8,676 | 0 | |
| 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 | 9.57s | 3,232 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 4.4 | 6.7 | 16.7% | 1 | 2.08s | 474 | 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| 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 | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 | |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 5.06s | 1,940 | 0 | |
| 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 | 6.0 | 7.2 | 55.6% | 1 | 8.21s | 3,982 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 6.7 | 7.9 | 55.6% | 1 | 1.97s | 583 | 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 10.0 | 10.0 | 100.0% | 0 | 4.42s | 297 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 | |
| Qwen3.5 Plus 2026-04-20 | 3.0 | 10.0 | 0.0% | 0 | 33.34s | 6,505 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Owl AlphamediumvsQwen3.5 Plus 2026-04-20noneMistral Small 4mediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Cobuddymedium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmedium免费可用vsQwen3.5 Plus 2026-04-20noneNemotron 3 Supermedium免费可用vsQwen3.5 Plus 2026-04-20noneGPT-5 NanomediumvsQwen3.5 Plus 2026-04-20noneCobuddymedium免费可用vsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsQwen3.5 Plus 2026-04-20nonegpt-oss-120bnone免费可用vsOwl Alphamedium