OpenAI
रिलीज़: 2025-08-05
परीक्षण किया गया: 2026-04-21 12:42
openai/gpt-oss-120b::none
117B कुल (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY पर 5.2 स्कोर करता है और #91 पर है। इसकी reliability लागू नहीं, pass rate 38.9%, कुल लागत $0.009, और औसत response time 11.96s है।
gpt-oss-120b को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 117B कुल (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- Apache-2.0
5.2
संगति
7.9
लागू नहीं
$0.009
कुल आउटपुट टोकन
44,652
कुल इनपुट टोकन
0
इनपुट कीमत
$0.000 / 1M
आउटपुट कीमत
$0.000 / 1M
अस्थिर टेस्ट
5
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 | 3.7 | 10.0 | $0.010 ↓ | तुलना करें | |
| 2026-04-21 12:42 पहला दर्ज रन | 5.2 | लागू नहीं | $0.009 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · पहला दर्ज रन | 54/54 प्रयास | 5.2 | 7.9 | लागू नहीं | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| 2026-05-08 15:31 · सूट बदला गया | 57/57 प्रयास | 3.7 | 7.8 | 10.0 | 6/19 | 2 | 51,664 | 9,081 | $0.010 | 21.61s |
| अंतर | — | +1.5 | +0.1 | -2 | +3 | -7012 | -9081 | -$0.001 | -9656ms |
बेंचमार्क कवरेज अलग है: 54/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 57/57 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।
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 उपलब्धvsLing 3.0 Tinymediumgpt-oss-120bnoneनिःशुल्क उपलब्धvsQwen3.5-9Bmediumgpt-oss-120bnoneनिःशुल्क उपलब्धvsLing 3.0 Tinylowgpt-oss-120bnoneनिःशुल्क उपलब्धvsLing 3.0 Tinyhighgpt-oss-120bnoneनिःशुल्क उपलब्धvsNemotron 3.5 Lightningnoneनिःशुल्क उपलब्धgpt-oss-120bnoneनिःशुल्क उपलब्धvsGranite 4.1 8Bnonegpt-oss-120bnoneनिःशुल्क उपलब्धvsLing 3.0 Tinynonegpt-oss-120bnoneनिःशुल्क उपलब्धvsGrok 4.20nonegpt-oss-120bnoneनिःशुल्क उपलब्धvsGLM 4.7 Flashmediumgpt-oss-120bnoneनिःशुल्क उपलब्धvsLaguna S 2.1noneनिःशुल्क उपलब्ध
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.6 | 8.0 | |
| 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 | 4.6 | 10.0 | |
| निर्देश पालन | 8.4 | 6.9 | |
| पहेली समाधान | 4.5 | 4.8 | |
| टूल कॉलिंग | 3.0 | 10.0 |