#112 gpt-oss-120b
medium- Coste
- $0.001
- Tiempo
- 26.7s
- Tokens
- 555 tok
OpenAI
Lanzamiento: 2025-08-05
Probado el: 2026-05-22 00:18
openai/gpt-oss-120b::medium
(medium)
(none)
Resumen
gpt-oss-120b obtiene 5.6 en AI BENCHY y ocupa el puesto #112. Tiene fiabilidad 10.0, una tasa de aciertos de 46.7%, coste total de $0.012 y tiempo medio de respuesta de 20.89s.
Qué hace único a gpt-oss-120b: Destaca más en Combinado, donde ocupa #1, mientras que Análisis y extracción de datos es su área más débil con #11. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación. Usa una cantidad inusualmente alta de tokens de razonamiento, lo que puede explicar ejecuciones más lentas o caras.
5.6
Consistencia
7.5
10.0
$0.012
Total de tokens de salida
63,919
Total de tokens de entrada
0
Precio de entrada
$0.000 / 1M
Precio de salida
$0.000 / 1M
Pruebas inestables
6
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
20.89s
Tiempo de respuesta (máximo): 68.16s
Tiempo de respuesta (total): 271.54s
Generación showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-06-04 13:44 Prueba nueva añadida | 6.1 | 10.0 | $0.013 ↓ | Comparar | |
| 2026-05-22 00:18 Suite modificada | 5.6 | 10.0 | $0.012 | Ejecución actual | |
| 2026-04-21 12:42 Primera ejecución registrada | 5.8 | N/D | $0.011 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · Suite modificada | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| 2026-04-21 12:42 · Primera ejecución registrada | 5.8 | 7.2 | N/D | 7/18 | 6 | 50,372 | 0 | $0.011 | 16.08s |
| Diferencia | -0.3 | +0.3 | 0 | 0 | +13547 | 0 | +$0.002 | +4808ms |
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
Mejores modelos por puntuación
Puntuación vs Costo total
Tiempo de respuesta (promedio)
Puntuación vs Tiempo de respuesta (promedio)
Total de tokens de salida
Puntuación vs Total de tokens de salida
Comparación rápida
gpt-oss-120bmediumDisponible gratisvsQwen3.7 Maxnonegpt-oss-120bmediumDisponible gratisvsQwen3.5-Flashmediumgpt-oss-120bmediumDisponible gratisvsGemini 3 Flash Previewnonegpt-oss-120bmediumDisponible gratisvsGemini 3.5 Flashminimalgpt-oss-120bmediumDisponible gratisvsGemini 3.5 Flashnonegpt-oss-120bmediumDisponible gratisvsRing-2.6-1Tmediumgpt-oss-120bmediumDisponible gratisvsGemini 3.5 Flashhighgpt-oss-120bmediumDisponible gratisvsGemini 3 Flash Previewmediumgpt-oss-120bmediumDisponible gratisvsNemotron 3 Ultra 550b A55bmediumDisponible gratisgpt-oss-120bmediumDisponible gratisvsGPT-5.5low
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.7 | 9.9 | |
| Programación | 3.9 | 5.6 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 6.4 | 5.9 | |
| Específico del dominio | 2.9 | 4.4 | |
| Inteligencia general | 4.3 | 10.0 | |
| Seguimiento de instrucciones | 9.9 | 10.0 | |
| Resolución de acertijos | 3.2 | 4.7 | |
| Llamada de herramientas | 9.8 | 10.0 | |
| Cultura general | 3.0 | 10.0 |