Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: gpt-oss-120b

Nombre del modelo:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en : 2026-02-27 15:16

Resumen

Métrica Anthropic: Claude Opus 4.6 medium Lanzamiento: Fecha de lanzamiento desconocida OpenAI: gpt-oss-120b medium Lanzamiento: Fecha de lanzamiento desconocida Disponible gratis
Rango #20 #25
Puntuación 6.07 5.64
Consistencia 8.80 7.55
Costo por resultado 10.992 0.101
Costo total $0.880 $0.008
Pruebas correctas
Pruebas incorrectas 6 7
Tasa de aciertos por intento 61.9% 59.5%
Pruebas inestables 2 4
Tokens de salida 19,576 11,407
Tokens de razonamiento 11,081 26,106

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 4.00 4.41 55.6% 2 897 1,000
OpenAI: gpt-oss-120b 7.00 9.81 66.7% 0 3,463 2,077
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 668 763
OpenAI: gpt-oss-120b 5.50 5.87 66.7% 1 241 1,114
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 1.00 10.00 0.0% 0 16,328 7,928
OpenAI: gpt-oss-120b 1.00 4.41 22.2% 2 6,018 18,520
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 9.50 9.99 100.0% 0 266 468
OpenAI: gpt-oss-120b 10.00 10.00 100.0% 0 120 1,770
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 7.00 10.00 66.7% 0 556 593
OpenAI: gpt-oss-120b 5.00 7.13 44.4% 1 1,278 1,542
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 861 329
OpenAI: gpt-oss-120b 9.00 9.97 100.0% 0 287 1,083

Cambiar par de comparación

Comparar Anthropic: Claude Opus 4.6 contra...

Comparar OpenAI: gpt-oss-120b contra...