तुलना करें चार्ट

भाषा:

❤️ Made by XCS

AI BENCHY तुलना

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

मॉडल नाम:

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए: : 2026-02-27 15:16

सारांश

मेट्रिक	Anthropic: Claude Opus 4.6 medium रिलीज़: रिलीज़ तिथि अज्ञात	OpenAI: gpt-oss-120b medium रिलीज़: रिलीज़ तिथि अज्ञात निःशुल्क उपलब्ध
रैंक	#20	#25
स्कोर	6.07	5.64
संगति	8.80	7.55
प्रति परिणाम लागत	10.992	0.101
कुल लागत	$0.880	$0.008
सही परीक्षण
गलत टेस्ट	6	7
प्रति प्रयास पास दर	61.9%	59.5%
अस्थिर टेस्ट	2	4
आउटपुट टोकन	19,576	11,407
रीजनिंग टोकन	11,081	26,106

श्रेणी विवरण

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	आउटपुट टोकन	रीजनिंग टोकन
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

तुलना जोड़ी बदलें

Anthropic: Claude Opus 4.6 की तुलना इससे करें...

OpenAI: gpt-oss-120b की तुलना इससे करें...