- स्कोर
- 7.5 (+1.64 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.000 · 100.0% सस्ता
- प्रतिक्रिया समय (औसत)
- 29.38s · 6.9% तेज़
OpenAI
रिलीज़: 2025-08-05
परीक्षण किया गया: 2026-10-01 01:37
openai/gpt-oss-120b::medium
117B कुल (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY पर 5.9 स्कोर करता है और #249 पर है। इसकी reliability 10.0, pass rate 47.8%, कुल लागत $0.030, और औसत response time 31.58s है।
gpt-oss-120b को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 5.9 (-0.06 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.028 · 4.8% सस्ता
- प्रतिक्रिया समय (औसत)
- 14.70s · 53.4% तेज़
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 117B कुल (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
5.9
संगति
8.1
10.0
कुल आउटपुट टोकन
118,831
कुल इनपुट टोकन
285,293
इनपुट कीमत
$0.037 / 1M
आउटपुट कीमत
$0.170 / 1M
कैश पढ़ने की कीमत
लागू नहीं
कैश लिखने की कीमत
लागू नहीं
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
5
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#249 gpt-oss-120b
medium- लागत
- $0.001
- समय
- 26.7s
- टोकन
- 555 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 01:37 दोबारा परीक्षण | 5.9 | 10.0 | $0.030 ↓ | वर्तमान रन | |
| 2026-07-16 22:24 नया टेस्ट जोड़ा गया | 6.1 | 10.0 | $0.019 ↓ | तुलना करें | |
| 2026-06-04 13:44 नया टेस्ट जोड़ा गया | 6.1 | 10.0 | $0.013 ↓ | तुलना करें | |
| 2026-05-22 00:18 सूट बदला गया | 5.6 | 10.0 | $0.012 | तुलना करें | |
| 2026-04-21 12:42 पहला दर्ज रन | 5.8 | लागू नहीं | $0.011 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 01:37 · वर्तमान रन | 69/69 प्रयास | 5.9 | 8.1 | 10.0 | 9/23 | 5 | 118,831 | 285,293 | $0.030 | 31.58s |
| 2026-07-16 22:24 · नया टेस्ट जोड़ा गया | 66/66 प्रयास | 6.1 | 8.0 | 10.0 | 9/22 | 5 | 97,816 | 108,747 | $0.019 | 21.91s |
| अंतर | — | -0.2 | +0.1 | 0.0 | 0 | 0 | +21015 | +176546 | +$0.011 | +9662ms |
बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
कीमत का इतिहास
OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।
| तारीख | इनपुट कीमत | आउटपुट कीमत | कैश पढ़ने की कीमत | कैश लिखने की कीमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M | लागू नहीं | लागू नहीं |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M | लागू नहीं | लागू नहीं |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M | लागू नहीं | लागू नहीं |
| 2026-08-14 12:51 | $0.030 / 1M | $0.170 / 1M | लागू नहीं | लागू नहीं |
| 2026-09-29 18:39 | $0.037 / 1M | $0.170 / 1M | लागू नहीं | लागू नहीं |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
gpt-oss-120bmediumvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumvsGemini 3.1 Flash Litenonegpt-oss-120bmediumvsSeed-2.0-Litenonegpt-oss-120bmediumvsQwen3.6 Flashnonegpt-oss-120bmediumvsInkling Smallmediumनिःशुल्क उपलब्धgpt-oss-120bmediumvsClaude Sonnet 5nonegpt-oss-120bmediumvsMiMo-V2.6-Prononegpt-oss-120bmediumvsNemotron 3 Ultranoneनिःशुल्क उपलब्धgpt-oss-120bmediumvsGLM 5.3 FlashXlowgpt-oss-120bmediumvsQwen3.7 Flashnone
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 5.0 | 10.0 | |
| एंटी-एआई ट्रिक्स | 6.7 | 9.9 | |
| कोडिंग | 5.9 | 7.0 | |
| संयुक्त | 6.5 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.4 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 4.3 | 10.0 | |
| निर्देश पालन | 9.9 | 10.0 | |
| पहेली समाधान | 5.3 | 7.2 | |
| टूल कॉलिंग | 9.8 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |