OpenAI
रिलीज़: 2025-08-05
परीक्षण किया गया: 2026-10-01 05:17
openai/gpt-oss-120b::none
117B कुल (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY पर 4.2 स्कोर करता है और #364 पर है। इसकी reliability 10.0, pass rate 34.8%, कुल लागत $0.016, और औसत response time 28.63s है।
gpt-oss-120b को अलग क्या बनाता है: यह स्वायत्त एजेंट कार्य में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #10 पर है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 117B कुल (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
4.2
संगति
7.6
10.0
कुल आउटपुट टोकन
62,213
कुल इनपुट टोकन
131,652
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।
गलत टेस्ट: 14
प्रति प्रयास पास दर: 34.8%
बेंचमार्क कवरेज: 60/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 05:17 सूट बदला गया | 4.2 | 10.0 | $0.016 ↓ | वर्तमान रन | |
| 2026-04-21 12:42 पहला दर्ज रन | 5.2 | लागू नहीं | $0.009 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
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 |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M | लागू नहीं | लागू नहीं |
| 2026-08-12 11:59 | $0.030 / 1M | $0.170 / 1M | लागू नहीं | लागू नहीं |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
gpt-oss-120bnonevsGLM 4.7 Flashmediumgpt-oss-120bnonevsMercury 2.5nonegpt-oss-120bnonevsMiniMax M2.5mediumgpt-oss-120bnonevsQwen3.5-9Bmediumgpt-oss-120bnonevsMercury 2nonegpt-oss-120bnonevsLing 3.0 Tinydefaultgpt-oss-120bnonevsCobuddymediumनिःशुल्क उपलब्धgpt-oss-120bnonevsGranite 4.1 8bdefaultgpt-oss-120bnonevsGranite 4.2 8Bnonegpt-oss-120bnonevsNemotron 3.5 Lightningnoneनिःशुल्क उपलब्ध
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 6.1 | 3.1 | |
| एंटी-एआई ट्रिक्स | 6.5 | 10.0 | |
| कोडिंग | 1.5 | 0.4 | |
| संयुक्त | 1.5 | 5.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 6.0 | 7.2 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |