AI BENCHY 对比

OpenAI: gpt-oss-120b vs Qwen: Qwen3 Coder Next

摘要

gpt-oss-120b vs Qwen3 Coder Next (medium) benchmark 对比：Qwen3 Coder Next (medium) 平均分领先，为 4.7 vs 4.0。 Qwen3 Coder Next (medium) benchmark 成本更低，为 $0.008 vs $0.010。 Qwen3 Coder Next (medium) 更快，为 8.58s vs 21.61s，通过率为 34.9% vs 28.6%。

推荐模型: Qwen3 Coder Next (medium) - 它在这里得分最高（4.7），同时响应速度比gpt-oss-120b快约 2.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用	Qwen3 Coder Next Qwen3 Coder Next medium 发布日期: 2026-02-03

指标	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用	Qwen3 Coder Next Qwen3 Coder Next medium 发布日期: 2026-02-03
分数	4.0	4.7
排名	#183	#167
可靠性	10.0	10.0
一致性	8.2	8.9
测试正确
尝试通过率	34.9%	28.6%
不稳定测试	2	3
总运行次数	57	63
每个结果成本	0.168	0.201
总成本	$0.010	$0.008
输入价格	$0.036 / 1M	$0.110 / 1M
输出价格	$0.180 / 1M	$0.800 / 1M
总输入令牌	9,081	47,250
输出令牌	51,664	3,319
推理令牌	0	0
响应时间（平均）	21.61s	8.58s
响应时间（最大）	113.71s	81.80s
响应时间（总计）	345.79s	128.68s

生成展示

Hamster playing table tennis

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

#183 gpt-oss-120b

none

此模型尚未生成任何展示结果。

成本: $0.000
时间: -
令牌: 0 tok

#167 Qwen3 Coder Next

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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	6.5	10.0	50.0%	0		32.84s	1,336	8,676	0
Qwen3 Coder Next	3.5	8.1	16.7%	1		8.64s	645	1,252	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	1.5	4.0	22.2%	1		9.57s	901	3,232	0
Qwen3 Coder Next	3.7	7.2	22.2%	1		924ms	7,185	336	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	3.0	10.0	0.0%	0		0ms	0	0	0
Qwen3 Coder Next	3.0	10.0	0.0%	0		4.28s	20,469	317	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	6.5	10.0	50.0%	0		7.12s	2,421	598	0
Qwen3 Coder Next	6.5	10.0	50.0%	0		81.80s	7,758	246	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	3.0	10.0	0.0%	0		34.98s	1,294	29,483	0
Qwen3 Coder Next	5.3	10.0	33.3%	0		638ms	753	25	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	4.8	10.0	0.0%	0		10.79s	584	615	0
Qwen3 Coder Next	6.3	3.4	66.7%	1		1.39s	498	142	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	9.8	10.0	100.0%	0		5.06s	1,043	1,940	0
Qwen3 Coder Next	6.3	10.0	50.0%	0		7.49s	684	63	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	6.0	7.2	55.6%	1		8.21s	1,188	3,982	0
Qwen3 Coder Next	3.0	10.0	0.0%	0		1.25s	678	671	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	3.0	10.0	0.0%	0		0ms	0	0	0
Qwen3 Coder Next	10.0	10.0	100.0%	0		2.64s	8,364	255	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		47.29s	314	3,138	0
Qwen3 Coder Next	3.0	10.0	0.0%	0		399ms	216	12	0

快速对比

切换对比组合