AI BENCHY Compare

DeepSeek: DeepSeek V4 Pro vs OpenAI: gpt-oss-120b

Ringkasan

Perbandingan benchmark DeepSeek V4 Pro vs gpt-oss-120b: gpt-oss-120b unggul dalam skor rata-rata dengan 6.1 vs 5.7. gpt-oss-120b memiliki biaya benchmark lebih rendah di $0.013 vs $0.025. DeepSeek V4 Pro lebih cepat di 12.38s vs 22.28s, dengan tingkat keberhasilan 42.9% vs 52.4%.

Model yang direkomendasikan: gpt-oss-120b - It has the best score here (6.1), while costing about 2.0x less than DeepSeek V4 Pro.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik	DeepSeek V4 Pro DeepSeek V4 Pro none Rilis: 2026-04-24	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis

Metrik	DeepSeek V4 Pro DeepSeek V4 Pro none Rilis: 2026-04-24	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis
Skor	5.7	6.1
Peringkat	#113	#99
Keandalan	8.5	10.0
Konsistensi	8.5	8.0
Tes benar
Tingkat lulus per percobaan	42.9%	52.4%
Tes tidak stabil	4	5
Total Run	63	63
Biaya per hasil	0.660	0.141
Total Biaya	$0.025	$0.013
Harga input	$0.435 / 1M	$0.039 / 1M
Harga output	$0.870 / 1M	$0.180 / 1M
Total token input	44,845	39,084
Token output	5,349	20,013
Token penalaran	0	50,233
Waktu respons (rata-rata)	12.38s	22.28s
Waktu respons (maks)	58.65s	68.16s
Waktu respons (total)	260.06s	311.96s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#113 DeepSeek V4 Pro

none

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

#99 gpt-oss-120b

medium

Cost: $0.001
Time: 26.7s
Tokens: 555 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	3.5	8.0	16.7%	1		14.02s	540	704	0
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	4.6	7.9	22.2%	1		6.11s	7,279	531	0
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	9.5	10.0	100.0%	0		25.49s	20,773	1,911	0
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	694	5,072

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	6.9	5.8	66.7%	1		30.54s	5,633	170	0
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	5.3	10.0	33.3%	0		3.17s	666	18	0
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	4.3	9.9	0.0%	0		3.75s	471	132	0
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	6.3	10.0	50.0%	0		8.23s	627	64	0
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	7.6	7.2	77.8%	1		15.95s	594	173	0
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	10.0	10.0	100.0%	0		5.92s	8,079	219	0
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
DeepSeek V4 Pro	3.0	10.0	0.0%	0		15.59s	183	1,427	0
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

Perbandingan Cepat

Ganti Pasangan Perbandingan