Navigasi
AI BENCHY
Your ad here

AI BENCHY Compare

OpenAI: gpt-oss-120b vs xAI: Grok 4.20 Multi-Agent Beta

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-12

Metrik gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Rilis: 2026-03-12
Peringkat #43 #47
Skor Rata-rata 5.1 4.9
Konsistensi 7.4 7.1
Biaya per hasil 0.135 97.178
Total Biaya $0.010 $4.859
Tes benar
Tingkat lulus per percobaan 54.2% 52.1%
Tes tidak stabil 5 6
Total Run 48 48
Token output 13,210 293,634
Token penalaran 34,230 291,260
Waktu respons (rata-rata) 16.65s 9.08s
Waktu respons (maks) 50.92s 35.28s
Waktu respons (total) 149.88s 127.09s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor Rata-rata vs Waktu respons (rata-rata)

Total token output

Skor Rata-rata 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 output Token penalaran
gpt-oss-120b 7.0 9.8 66.7% 0 19.76s 3,463 2,077
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 694 5,072
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 5.5 5.9 66.7% 1 1.98s 241 1,114
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 10.0 4.4 22.2% 2 50.92s 6,784 20,606
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 3.0 10.0 0.0% 0 7.90s 107 387
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 9.5 10.0 100.0% 0 7.63s 126 1,799
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 1.7 4.7 22.2% 2 11.80s 1,508 2,092
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
gpt-oss-120b 9.0 10.0 100.0% 0 6.91s 287 1,083
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumSeed-2.0-LitenonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmediumTersedia gratisvsQwen3.5-122B-A10BnoneQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 Flashnonevsgpt-oss-120bmediumTersedia gratisgpt-oss-120bmediumTersedia gratisvsQwen3.5-FlashnoneSeed-2.0-Litenonevsgpt-oss-120bmediumTersedia gratisgpt-oss-120bmediumTersedia gratisvsQwen3.5-27BnoneQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent Betamedium