OpenAI
Veröffentlichung: 2025-08-05
Getestet am: 2026-10-01 05:17
openai/gpt-oss-120b::none
117B insgesamt (5.1B aktiv)MoEOpen Source
(medium)
(none)
Zusammenfassung
gpt-oss-120b erreicht 4.2 bei AI BENCHY und liegt auf #364. Das Modell hat 10.0 Zuverlässigkeit, 34.8% Erfolgsrate, $0.016 Gesamtkosten und 28.63s durchschnittliche Antwortzeit.
Was gpt-oss-120b besonders macht: Am stärksten ist es in Agentenaufgaben, wo es #1 erreicht; am schwächsten ist Programmierung mit #10.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- 117B insgesamt (5.1B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Open Source
- Lizenz
- Apache-2.0
4.2
Konsistenz
7.6
10.0
Gesamte Ausgabe-Token
62,213
Gesamte Eingabe-Token
131,652
Eingabepreis
$0.037 / 1M
Ausgabepreis
$0.170 / 1M
Preis für Cache-Lesen
k. A.
Preis für Cache-Schreiben
k. A.
Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.
Falsche Tests: 14
Erfolgsquote pro Versuch: 34.8%
Benchmark-Abdeckung: 60/69 Versuche (Ziel: 3 Wiederholungen pro Test)
Instabile Tests
3
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-10-01 05:17 Suite geändert | 4.2 | 10.0 | $0.016 ↓ | Aktueller Lauf | |
| 2026-04-21 12:42 Erster erfasster Lauf | 5.2 | k. A. | $0.009 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 05:17 · Aktueller Lauf | 60/69 Versuche | 4.2 | 7.6 | 10.0 | 6/20 | 3 | 62,213 | 131,652 | $0.016 | 28.63s |
| 2026-04-21 12:42 · Erster erfasster Lauf | 54/54 Versuche | 5.2 | 7.9 | k. A. | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| Differenz | — | -1.0 | -0.3 | +2 | -2 | +17561 | +131652 | +$0.007 | +16672ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/69 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 54/54 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Preisverlauf
Historische Preisdaten für dieses Modell von OpenRouter.
| Datum | Eingabepreis | Ausgabepreis | Preis für Cache-Lesen | Preis für Cache-Schreiben |
|---|---|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M | k. A. | k. A. |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M | k. A. | k. A. |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M | k. A. | k. A. |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M | k. A. | k. A. |
| 2026-08-12 11:59 | $0.030 / 1M | $0.170 / 1M | k. A. | k. A. |
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
gpt-oss-120bnonevsGLM 4.7 Flashmediumgpt-oss-120bnonevsMercury 2.5nonegpt-oss-120bnonevsMiniMax M2.5mediumgpt-oss-120bnonevsQwen3.5-9Bmediumgpt-oss-120bnonevsMercury 2nonegpt-oss-120bnonevsLing 3.0 Tinydefaultgpt-oss-120bnonevsCobuddymediumKostenlos verfügbargpt-oss-120bnonevsGranite 4.1 8bdefaultgpt-oss-120bnonevsGranite 4.2 8Bnonegpt-oss-120bnonevsNemotron 3.5 LightningnoneKostenlos verfügbar
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Agentenaufgaben | 6.1 | 3.1 | |
| Anti-KI-Tricks | 6.5 | 10.0 | |
| Programmierung | 1.5 | 0.4 | |
| Kombiniert | 1.5 | 5.0 | |
| Datenanalyse und -extraktion | 6.5 | 10.0 | |
| Domänenspezifisch | 3.0 | 10.0 | |
| Allgemeine Intelligenz | 4.8 | 10.0 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 6.0 | 7.2 | |
| Werkzeugaufrufe | 3.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |