OpenAI
Lanzamiento: 2025-08-05
Probado el: 2026-04-21 12:42
openai/gpt-oss-120b::none
117B en total (5.1B activos)MoECódigo abierto
(medium)
(none)
Resumen
gpt-oss-120b obtiene 5.2 en AI BENCHY y ocupa el puesto #91. Tiene fiabilidad N/D, una tasa de aciertos de 38.9%, coste total de $0.009 y tiempo medio de respuesta de 11.96s.
Qué hace único a gpt-oss-120b: Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- 117B en total (5.1B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código abierto
- Licencia
- Apache-2.0
5.2
Consistencia
7.9
N/D
$0.009
Total de tokens de salida
44,652
Total de tokens de entrada
0
Precio de entrada
$0.000 / 1M
Precio de salida
$0.000 / 1M
Pruebas inestables
5
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
11.96s
Tiempo de respuesta (máximo): 68.97s
Tiempo de respuesta (total): 179.34s
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-05-08 15:31 Suite modificada | 3.7 | 10.0 | $0.010 ↓ | Comparar | |
| 2026-04-21 12:42 Primera ejecución registrada | 5.2 | N/D | $0.009 | Ejecución actual |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · Primera ejecución registrada | 54/54 intentos | 5.2 | 7.9 | N/D | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| 2026-05-08 15:31 · Suite modificada | 57/57 intentos | 3.7 | 7.8 | 10.0 | 6/19 | 2 | 51,664 | 9,081 | $0.010 | 21.61s |
| Diferencia | — | +1.5 | +0.1 | -2 | +3 | -7012 | -9081 | -$0.001 | -9656ms |
La cobertura del benchmark difiere: 54/54 intentos (Objetivo: 3 repeticiones por prueba) frente a 57/57 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.
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-120bnoneDisponible gratisvsLing 3.0 Tinymediumgpt-oss-120bnoneDisponible gratisvsQwen3.5-9Bmediumgpt-oss-120bnoneDisponible gratisvsLing 3.0 Tinylowgpt-oss-120bnoneDisponible gratisvsLing 3.0 Tinyhighgpt-oss-120bnoneDisponible gratisvsNemotron 3.5 LightningnoneDisponible gratisgpt-oss-120bnoneDisponible gratisvsGranite 4.1 8Bnonegpt-oss-120bnoneDisponible gratisvsLing 3.0 Tinynonegpt-oss-120bnoneDisponible gratisvsGrok 4.20nonegpt-oss-120bnoneDisponible gratisvsGLM 4.7 Flashmediumgpt-oss-120bnoneDisponible gratisvsLaguna S 2.1noneDisponible gratis
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.6 | 8.0 | |
| Programación | 4.3 | 1.1 | |
| Combinado | 3.0 | 10.0 | |
| Análisis y extracción de datos | 6.5 | 10.0 | |
| Específico del dominio | 3.0 | 10.0 | |
| Inteligencia general | 4.6 | 10.0 | |
| Seguimiento de instrucciones | 8.4 | 6.9 | |
| Resolución de acertijos | 4.5 | 4.8 | |
| Llamada de herramientas | 3.0 | 10.0 |