#73 gpt-oss-120b
medium- খরচ
- $0.001
- সময়
- 26.7s
- টোকেন
- 555 tok
OpenAI
প্রকাশ: 2025-08-05
পরীক্ষিত হয়েছে: 2026-04-21 12:42
openai/gpt-oss-120b::medium
(medium)
(none)
সারাংশ
gpt-oss-120b AI BENCHY-তে 5.8 স্কোর করে এবং #73 স্থানে আছে। এর reliability প্রযোজ্য নয়, pass rate 51.9%, মোট খরচ $0.011, এবং গড় response time 16.08s.
gpt-oss-120b কে আলাদা করে যা: এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম।
5.8
ধারাবাহিকতা
7.2
প্রযোজ্য নয়
$0.011
মোট আউটপুট টোকেন
50,372
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.000 / 1M
আউটপুট মূল্য
$0.000 / 1M
অস্থির টেস্ট
6
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
16.08s
প্রতিক্রিয়া সময় (সর্বোচ্চ): 50.92s
প্রতিক্রিয়া সময় (মোট): 176.88s
জেনারেশন শোকেস
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
রান ইতিহাস
| পরীক্ষিত হয়েছে | স্কোর | নির্ভরযোগ্যতা | সঠিক টেস্ট | মোট খরচ | তুলনা করুন |
|---|---|---|---|---|---|
| 2026-06-04 13:44 নতুন টেস্ট যোগ হয়েছে | 6.1 | 10.0 | $0.013 ↓ | তুলনা করুন | |
| 2026-05-22 00:18 স্যুইট পরিবর্তিত হয়েছে | 5.6 | 10.0 | $0.012 | তুলনা করুন | |
| 2026-04-21 12:42 প্রথম নথিভুক্ত রান | 5.8 | প্রযোজ্য নয় | $0.011 | বর্তমান রান |
রান তুলনা
| রান | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · প্রথম নথিভুক্ত রান | 5.8 | 7.2 | প্রযোজ্য নয় | 7/18 | 6 | 50,372 | 0 | $0.011 | 16.08s |
| 2026-05-22 00:18 · স্যুইট পরিবর্তিত হয়েছে | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| পার্থক্য | +0.3 | -0.3 | 0 | 0 | -13547 | 0 | -$0.002 | -4808ms |
এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।
চার্ট
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
স্কোর অনুযায়ী শীর্ষ মডেল
স্কোর vs মোট খরচ
প্রতিক্রিয়া সময় (গড়)
স্কোর vs প্রতিক্রিয়া সময় (গড়)
মোট আউটপুট টোকেন
স্কোর vs মোট আউটপুট টোকেন
দ্রুত তুলনা
gpt-oss-120bmediumবিনামূল্যে উপলভ্যvsQwen3.7 Maxnonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsQwen3.5-Flashmediumgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3 Flash Previewnonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3.5 Flashminimalgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3.5 Flashnonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsRing-2.6-1Tmediumgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3.5 Flashhighgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3 Flash Previewmediumgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsNemotron 3 Ultra 550b A55bmediumবিনামূল্যে উপলভ্যgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGPT-5.5low
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 6.7 | 9.9 | |
| কোডিং | 4.3 | 1.1 | |
| সমন্বিত | 10.0 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 6.4 | 5.9 | |
| ডোমেইন-নির্দিষ্ট | 2.9 | 4.4 | |
| Sadharon Buddhimotta | 4.3 | 10.0 | |
| নির্দেশনা অনুসরণ | 9.9 | 10.0 | |
| ধাঁধা সমাধান | 3.2 | 4.7 | |
| টুল কলিং | 9.8 | 10.0 |