#112 gpt-oss-120b
medium- Kosten
- $0.001
- Zeit
- 26.7s
- Token
- 555 tok
OpenAI
Veröffentlichung: 2025-08-05
Getestet am: 2026-05-22 00:18
openai/gpt-oss-120b::medium
(medium)
(none)
Zusammenfassung
gpt-oss-120b erreicht 5.6 bei AI BENCHY und liegt auf #112. Das Modell hat 10.0 Zuverlässigkeit, 46.7% Erfolgsrate, $0.012 Gesamtkosten und 20.89s durchschnittliche Antwortzeit.
Was gpt-oss-120b besonders macht: Am stärksten ist es in Kombiniert, wo es #1 erreicht; am schwächsten ist Datenanalyse und -extraktion mit #11. Die Benchmark-Gesamtkosten sind für diese Leistungsklasse ungewöhnlich niedrig. Es nutzt ungewöhnlich viele Reasoning-Tokens, was langsamere oder teurere Läufe erklären kann.
5.6
Konsistenz
7.5
10.0
Gesamte Ausgabe-Token
63,919
Gesamte Eingabe-Token
0
Eingabepreis
$0.000 / 1M
Ausgabepreis
$0.000 / 1M
Instabile Tests
6
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Generierungs-Showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-06-04 13:44 Neuer Test hinzugefügt | 6.1 | 10.0 | $0.013 ↓ | Vergleichen | |
| 2026-05-22 00:18 Suite geändert | 5.6 | 10.0 | $0.012 | Aktueller Lauf | |
| 2026-04-21 12:42 Erster erfasster Lauf | 5.8 | k. A. | $0.011 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · Suite geändert | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| 2026-04-21 12:42 · Erster erfasster Lauf | 5.8 | 7.2 | k. A. | 7/18 | 6 | 50,372 | 0 | $0.011 | 16.08s |
| Differenz | -0.3 | +0.3 | 0 | 0 | +13547 | 0 | +$0.002 | +4808ms |
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
gpt-oss-120bmediumKostenlos verfügbarvsQwen3.7 Maxnonegpt-oss-120bmediumKostenlos verfügbarvsQwen3.5-Flashmediumgpt-oss-120bmediumKostenlos verfügbarvsGemini 3 Flash Previewnonegpt-oss-120bmediumKostenlos verfügbarvsGemini 3.5 Flashminimalgpt-oss-120bmediumKostenlos verfügbarvsGemini 3.5 Flashnonegpt-oss-120bmediumKostenlos verfügbarvsRing-2.6-1Tmediumgpt-oss-120bmediumKostenlos verfügbarvsGemini 3.5 Flashhighgpt-oss-120bmediumKostenlos verfügbarvsGemini 3 Flash Previewmediumgpt-oss-120bmediumKostenlos verfügbarvsNemotron 3 Ultra 550b A55bmediumKostenlos verfügbargpt-oss-120bmediumKostenlos verfügbarvsGPT-5.5low
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 6.7 | 9.9 | |
| Programmierung | 3.9 | 5.6 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 6.4 | 5.9 | |
| Domänenspezifisch | 2.9 | 4.4 | |
| Allgemeine Intelligenz | 4.3 | 10.0 | |
| Befolgung von Anweisungen | 9.9 | 10.0 | |
| Rätsellösen | 3.2 | 4.7 | |
| Werkzeugaufrufe | 9.8 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |