#112

gpt-oss-120b

OpenAI Lanzamiento: 2025-08-05 Probado el: 2026-05-22 00:18 openai/gpt-oss-120b::medium

117B en total (5.1B activos)MoECódigo abierto

(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 Trucos anti-IA es su área más débil con #18. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.

Datos del modelo

Investigado el 2026-08-12

Declarado

Parámetros: 117B en total (5.1B activos)
Arquitectura: MoE
Disponibilidad: Código abierto
Licencia: Apache-2.0

Fuente de los parámetros Fuente de disponibilidad

Puntuación

5.6

Consistencia

7.5

Fiabilidad

10.0

Costo total (precio actual)

$0.012

Total de tokens de salida

63,919

Total de tokens de entrada

Precio de entrada

$0.000 / 1M

Precio de salida

$0.000 / 1M

Pruebas correctas

Pruebas incorrectas: 13

Tasa de aciertos por intento: 46.7%

Pruebas inestables

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

Respuesta incorrecta: 9 No siguió las instrucciones: 4

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#112 gpt-oss-120b

medium

Coste: $0.001
Tiempo: 26.7s
Tokens: 555 tok

Historial de ejecuciones

Probado el	Puntuación	Fiabilidad	Costo total	Comparar
2026-08-14 02:08 Nueva prueba	6.1	10.0	$0.019 ↓	Comparar
2026-07-16 22:24 Prueba nueva añadida	6.1	10.0	$0.019 ↓	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	Cobertura del benchmark	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	60/60 intentos	5.6	7.5	10.0	7/20	6	63,919	0	$0.012	20.89s
2026-06-04 13:44 · Prueba nueva añadida	63/63 intentos	6.1	8.0	10.0	9/21	5	70,246	39,084	$0.013	22.28s
Diferencia	—	-0.5	-0.5	0.0	-2	+1	-6327	-39084	-$0.001	-1395ms

La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 63/63 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.

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

Desglose por categoría

Categoría	Puntuación	Consistencia
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

gpt-oss-120b

Datos del modelo

Hamster playing table tennis

#112 gpt-oss-120b

Gráficos

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

Desglose por categoría

Modelos comparados