#91

gpt-oss-120b

OpenAI रिलीज़: 2025-08-05 परीक्षण किया गया: 2026-04-21 12:42 openai/gpt-oss-120b::none

(medium) (none)

स्कोर

5.2

संगति

7.9

विश्वसनीयता

लागू नहीं

कुल लागत

$0.009

कुल आउटपुट टोकन

44,652

???? ???

$0.000 / 1M

????? ???

$0.000 / 1M

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 38.9%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

11.96s

प्रतिक्रिया समय (अधिकतम): 68.97s

प्रतिक्रिया समय (कुल): 179.34s

गलत उत्तर: 6 निर्देशों का पालन नहीं किया: 5 API त्रुटि: 3

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	तुलना करें
2026-04-21 12:42 पहला दर्ज रन	5.2	लागू नहीं		$0.009	वर्तमान रन

रन तुलना

रन	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-04-21 12:42 · पहला दर्ज रन	5.2	7.9	लागू नहीं	4/18	5	44,652	$0.009	11.96s
2026-05-08 15:31 · सूट बदला गया	5.2	8.7	10.0	5/19	3	51,505	$0.011	21.86s
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 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

श्रेणी विवरण

श्रेणी	स्कोर	संगति
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

gpt-oss-120b

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल