AI BENCHY 对比
OpenAI: gpt-oss-120b vs Qwen: Qwen3.6 35B A3B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-27
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | Qwen3.6 35B A3B Qwen3.6 35B A3B none |
|---|---|---|
| 分数 | 5.2 | 5.1 |
| 排名 | #107 | #112 |
| 可靠性 | 不适用 | 10.0 |
| 一致性 | 7.9 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 38.9% | 39.6% |
| 不稳定测试 | 5 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.221 | 0.471 |
| 总成本 | $0.009 | $0.019 |
| ???? | $0.000 / 1M | $0.162 / 1M |
| ???? | $0.000 / 1M | $0.966 / 1M |
| 输出令牌 | 44,652 | 17,503 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 11.96s | 2.87s |
| 响应时间（最大） | 68.97s | 12.46s |
| 响应时间（总计） | 179.34s | 46.00s |
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 | 6.6 | 8.0 | 58.3% | 1 | 6.03s | 4,867 | 0 | |
| Qwen3.6 35B A3B | 3.6 | 7.6 | 16.7% | 1 | 2.10s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 921 | 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 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| Qwen3.6 35B A3B | 10.0 | 10.0 | 100.0% | 0 | 1.46s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| Qwen3.6 35B A3B | 3.5 | 4.4 | 33.3% | 2 | 7.45s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.6 | 10.0 | 0.0% | 0 | 2.83s | 586 | 0 | |
| Qwen3.6 35B A3B | 4.4 | 3.0 | 33.3% | 1 | 3.51s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 8.4 | 6.9 | 83.3% | 1 | 5.10s | 1,982 | 0 | |
| Qwen3.6 35B A3B | 6.2 | 5.8 | 66.7% | 1 | 1.86s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.5 | 4.8 | 44.5% | 2 | 6.86s | 3,904 | 0 | |
| Qwen3.6 35B A3B | 3.2 | 9.9 | 0.0% | 0 | 1.00s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| Qwen3.6 35B A3B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
gpt-oss-120bnone免费可用vsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Elephant AlphamediumvsQwen3.6 35B A3BnoneMiniMax M2.7mediumvsQwen3.6 35B A3BnoneMistral Small 4mediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsQwen3 Coder NextmediumMiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Qwen3.6 35B A3BnonevsGLM 4.7 FlashmediumMistral Small 4mediumvsQwen3.6 35B A3BnoneMiniMax M2.5medium免费可用vsQwen3.6 35B A3Bnonegpt-oss-120bnone免费可用vsGLM 4.7 Flashmediumgpt-oss-120bmedium免费可用vsQwen3.6 35B A3Bnone