নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Sonnet 5 vs OpenAI: gpt-oss-120b

Claude Sonnet 5 average score-এ এগিয়ে: 6.3 vs 6.1. gpt-oss-120b (medium)-এর benchmark খরচ কম: $0.019 vs $0.548. Claude Sonnet 5 দ্রুত: 6.04s vs 21.91s, pass rates 45.5% vs 50.0%.

প্রস্তাবিত মডেলgpt-oss-120b (medium)Its score stays close to the best score here (6.1 vs 6.3), while costing about 29.2x less than Claude Sonnet 5.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Claude Sonnet 5 Claude Sonnet 5 none প্রকাশ: 2026-06-30 gpt-oss-120b gpt-oss-120b medium প্রকাশ: 2025-08-05
স্কোর 6.3 6.1
র‍্যাঙ্ক #106 #115
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.7 8.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 45.5% 50.0%
অস্থির টেস্ট 4 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 6.840 0.221
মোট খরচ $0.548 $0.019
ইনপুট মূল্য $2.000 / 1M $0.037 / 1M
আউটপুট মূল্য $10.000 / 1M $0.170 / 1M
মোট ইনপুট টোকেন 161,035 108,747
আউটপুট টোকেন 22,511 29,772
রিজনিং টোকেন 0 68,044
প্রতিক্রিয়া সময় (গড়) 6.04s 21.91s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 33.39s 68.16s
প্রতিক্রিয়া সময় (মোট) 132.85s 328.70s

Hamster playing table tennis

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

#106 Claude Sonnet 5

none
খরচ
$0.061
সময়
53.7s
টোকেন
6,172 tok

#115 gpt-oss-120b

medium
খরচ
$0.001
সময়
26.7s
টোকেন
555 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Sonnet 5 4.6 7.9 22.2% 1 3.67s 10,590 1,864 0
gpt-oss-120b 5.9 7.0 55.6% 1 38.37s 7,782 3,365 11,973

দ্রুত তুলনা

তুলনার জুটি বদলান