Modellvergleich
gpt-oss-120b (high)
vs. Qwen3.5 4B (Reasoning)
Vergleich von 2 KI-Modellen · 10 Benchmarks · OpenAI, Alibaba
Empfehlung
Op gpt-oss-120b (high) 10 Metrik-Siege Staerkste Bereiche: Durchsatz, Latenz, Reasoning
Bester Wert
Qwen3.5 4B (Reasoning)
100.0 Wert-Score
37.3 Reasoning / $0.06/1M
Niedrigster Preis
Qwen3.5 4B (Reasoning)
$0.03/1M Eingabepreis
Bestes Reasoning
gpt-oss-120b (high)
63.4 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Bestes Coding
gpt-oss-120b (high)
28.6 Coding-Index
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Bester Wert
Qwen3.5 4B (Reasoning) bietet den besten Qualitaets-Preis-Mix mit 100.0 von 100 Wertpunkten.
Preisunterschied
Qwen3.5 4B (Reasoning) ist 5,0x guenstiger bei Eingabetokens als gpt-oss-120b (high).
Geschwindigkeitsunterschied
gpt-oss-120b (high) generiert etwa 1,8x so viele Tokens pro Sekunde wie Qwen3.5 4B (Reasoning).
Reasoning-Unterschied
gpt-oss-120b (high) liegt 26.0 Punkte vor Qwen3.5 4B (Reasoning) beim Reasoning.
Coding-Unterschied
gpt-oss-120b (high) liegt 11.1 Punkte vor Qwen3.5 4B (Reasoning) beim Coding.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
gpt-oss-120b (high)
OpenAI
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Qwen3.5 4B (Reasoning)
Alibaba
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Welche Antwort war nuetzlicher?
Vollständiger Vergleich
| Metrik | Top-Wahl Op gpt-oss-120b (high) | Al Qwen3.5 4B (Reasoning) |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.15/1M | $0.03/1M |
| Output-Kosten | $0.60/1M | $0.15/1M |
| Gemischt (3:1) | $0.26/1M | $0.06/1M |
| Spezifikationen | ||
| Anbieter | OpenAI | Alibaba |
| Veröffentlichung | 5. Aug. 2025 | 2. März 2026 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 364.5 tok/s | 206.8 tok/s |
| TTFT | 518ms | 219ms |
| Latenz | 6005ms | 9891ms |
| Composite-Indizes | ||
| Wert-Score | 38.8 | 100.0 |
| Reasoning-Score | 63.4 | 37.3 |
| Intelligenz | 33.3 | 27.1 |
| Coding | 28.6 | 17.5 |
| Mathe | 93.4 | — |
| Standard-Benchmarks | ||
| GPQA | 78.2% | 77.1% |
| MMLU Pro | 80.8% | — |
| HLE | 18.5% | 7.8% |
| LiveCodeBench | 87.8% | — |
| AIME 2025 | 93.4% | — |
| SciCode | 38.9% | 16.1% |
| LCR | 50.7% | 55.7% |
| IFBench | 69.0% | 52.0% |
| TAU-bench v2 | 65.8% | 92.1% |
| TerminalBench Hard | 23.5% | 18.2% |
Wichtigste Erkenntnisse
Qwen3.5 4B (Reasoning) bietet das beste Preis-Leistungs-Verhaeltnis mit $0.03/1M, ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
gpt-oss-120b (high) hat das staerkste Reasoning-Profil mit 63.4 Reasoning-Score, basierend auf den verfuegbaren Reasoning-Benchmarks.
gpt-oss-120b (high) erreicht einen 28.6 Coding-Index, und ist damit eine Top-Wahl fuer Softwareentwicklung und Code-Generierung.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens, geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
gpt-oss-120b (high)
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
- Code-Generierung
- Softwareentwicklung
Qwen3.5 4B (Reasoning)
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
