#112 gpt-oss-120b
medium- খরচ
- $0.001
- সময়
- 26.7s
- টোকেন
- 555 tok
OpenAI
প্রকাশ: 2025-08-05
পরীক্ষিত হয়েছে: 2026-05-22 00:18
openai/gpt-oss-120b::medium
117B মোট (5.1B সক্রিয়)MoEউন্মুক্ত উৎস
(medium)
(none)
সারাংশ
gpt-oss-120b AI BENCHY-তে 5.6 স্কোর করে এবং #112 স্থানে আছে। এর reliability 10.0, pass rate 46.7%, মোট খরচ $0.012, এবং গড় response time 20.89s.
gpt-oss-120b কে আলাদা করে যা: এটি নির্দেশনা অনুসরণ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #4; আর কোডিং এর দুর্বলতম ক্ষেত্র, rank #18.
মডেলের তথ্য
গবেষণার তারিখ: 2026-08-12
- প্যারামিটার
- 117B মোট (5.1B সক্রিয়)
- আর্কিটেকচার
- MoE
- উপলভ্যতা
- উন্মুক্ত উৎস
- লাইসেন্স
- Apache-2.0
5.6
ধারাবাহিকতা
7.5
10.0
$0.012
মোট আউটপুট টোকেন
63,919
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.000 / 1M
আউটপুট মূল্য
$0.000 / 1M
ক্যাশ পড়ার মূল্য
প্রযোজ্য নয়
ক্যাশ লেখার মূল্য
প্রযোজ্য নয়
ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।
অস্থির টেস্ট
6
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
20.89s
প্রতিক্রিয়া সময় (সর্বোচ্চ): 68.16s
প্রতিক্রিয়া সময় (মোট): 271.54s
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:08 পুনরায় পরীক্ষা | 6.1 | 10.0 | $0.019 ↓ | তুলনা করুন | |
| 2026-07-16 22:24 নতুন টেস্ট যোগ হয়েছে | 6.1 | 10.0 | $0.019 ↓ | 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 | বর্তমান রান | |
| 2026-04-21 12:42 প্রথম নথিভুক্ত রান | 5.8 | প্রযোজ্য নয় | $0.011 | তুলনা করুন |
এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।
রান তুলনা
| রান | বেঞ্চমার্ক কভারেজ | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · স্যুইট পরিবর্তিত হয়েছে | 60/60 প্রচেষ্টা | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| 2026-07-16 22:24 · নতুন টেস্ট যোগ হয়েছে | 66/66 প্রচেষ্টা | 6.1 | 8.0 | 10.0 | 9/22 | 5 | 97,816 | 108,747 | $0.019 | 21.91s |
| পার্থক্য | — | -0.5 | -0.5 | 0.0 | -2 | +1 | -33897 | -108747 | -$0.007 | -1025ms |
বেঞ্চমার্ক কভারেজ আলাদা: 60/60 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 66/66 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।
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 উপলভ্যvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGemini 3.1 Flash Litenonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsSeed-2.0-Litenonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsQwen3.6 Flashnonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsInkling Smallmediumবিনামূল্যে উপলভ্যgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsClaude Sonnet 5nonegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsMiMo-V2.6-Prononegpt-oss-120bmediumবিনামূল্যে উপলভ্যvsNemotron 3 Ultranoneবিনামূল্যে উপলভ্যgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsGLM 5.3 FlashXlowgpt-oss-120bmediumবিনামূল্যে উপলভ্যvsQwen3.7 Flashnone
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 6.7 | 9.9 | |
| কোডিং | 3.9 | 5.6 | |
| 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 | |
| সাধারণ জ্ঞান | 3.0 | 10.0 |