AI BENCHY 对比
OpenAI: gpt-oss-120b vs Qwen: Qwen3 Coder Next
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | Qwen3 Coder Next Qwen3 Coder Next medium |
|---|---|---|
| 分数 | 5.2 | 4.7 |
| 排名 | #129 | #141 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 36.8% | 30.0% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 0.201 | 0.193 |
| 总成本 | $0.011 | $0.008 |
| ???? | $0.000 / 1M | $0.110 / 1M |
| ???? | $0.000 / 1M | $0.800 / 1M |
| 输出令牌 | 51,505 | 3,280 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 21.86s | 9.29s |
| 响应时间（最大） | 113.71s | 81.80s |
| 响应时间（总计） | 349.78s | 130.06s |
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 Coder Next | 3.5 | 8.1 | 16.7% | 1 | 8.64s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| Qwen3 Coder Next | 4.1 | 5.8 | 33.3% | 1 | 1.17s | 327 | 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 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 4.28s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| Qwen3 Coder Next | 6.5 | 10.0 | 50.0% | 0 | 81.80s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| Qwen3 Coder Next | 5.3 | 10.0 | 33.3% | 0 | 638ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 | |
| Qwen3 Coder Next | 6.3 | 3.4 | 66.7% | 1 | 1.39s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 0 | |
| Qwen3 Coder Next | 6.3 | 10.0 | 50.0% | 0 | 7.34s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 0 | |
| Qwen3 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 2.30s | 641 | 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 Coder Next | 10.0 | 10.0 | 100.0% | 0 | 2.64s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 | |
| Qwen3 Coder Next | 3.0 | 10.0 | 0.0% | 0 | 399ms | 12 | 0 |
快速对比
切换对比组合
Trinity Large PreviewnonevsQwen3 Coder NextmediumQwen3 Coder NextmediumvsMiMo-V2.5noneMercury 2nonevsQwen3 Coder NextmediumGPT-4o-mininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsElephant AlphamediumMistral Small 4mediumvsgpt-oss-120bnone免费可用GPT-5.4 MininonevsQwen3 Coder NextmediumMiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Ling-2.6-1TnonevsQwen3 Coder NextmediumMistral Small 4nonevsQwen3 Coder NextmediumGPT-5.4 NanononevsQwen3 Coder Nextmedium