#129
OpenAI
रिलीज़: 2025-08-05
परीक्षण किया गया: 2026-05-08 15:31
openai/gpt-oss-120b::none
(medium)
(none)
???? ???
$0.000 / 1M
????? ???
$0.000 / 1M
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 |
|---|---|---|---|---|---|
| 2026-05-08 15:31 सूट बदला गया | 5.2 | 10.0 | $0.011 | 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।
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · वर्तमान रन | 5.2 | 8.7 | 10.0 | 5/19 | 3 | 51,505 | $0.011 | 21.86s |
| 2026-04-21 12:42 · पहला दर्ज रन | 5.2 | 7.9 | लागू नहीं | 4/18 | 5 | 44,652 | $0.009 | 11.96s |
| अंतर | 0.0 | +0.8 | +1 | -2 | +6853 | +$0.002 | +9905ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
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-120bnoneनिःशुल्क उपलब्धvsGLM 4.7 Flashnonegpt-oss-120bnoneनिःशुल्क उपलब्धvsgpt-oss-120bmediumनिःशुल्क उपलब्धgpt-oss-120bnoneनिःशुल्क उपलब्धvsGPT-5.4nonegpt-oss-120bnoneनिःशुल्क उपलब्धvsMiMo-V2-Prononegpt-oss-120bnoneनिःशुल्क उपलब्धvsGLM 5.1nonegpt-oss-120bnoneनिःशुल्क उपलब्धvsGemini 3 Flash Previewmediumgpt-oss-120bnoneनिःशुल्क उपलब्धvsGemini 3.5 Flashhighgpt-oss-120bnoneनिःशुल्क उपलब्धvsRing-2.6-1Tmediumgpt-oss-120bnoneनिःशुल्क उपलब्धvsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.5 | 10.0 | |
| कोडिंग | 4.3 | 1.1 | |
| संयुक्त | 3.0 | 10.0 | |
| 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 | 4.4 | 4.5 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |