gpt-oss-120b (medium) vs GLM 5.3 FlashX (low)

Model yang Dibandingkan

Model yang direkomendasikan gpt-oss-120b (medium)

Its score stays close to the best score here (5.9 vs 6.0), while costing about 5.4x less than GLM 5.3 FlashX (low).

Metrik	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05	GLM 5.3 FlashX GLM 5.3 FlashX low Rilis: 2026-09-21

Metrik	gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05	GLM 5.3 FlashX GLM 5.3 FlashX low Rilis: 2026-09-21
Skor	5.9	6.0
Peringkat	#243	#238
Keandalan	10.0	10.0
Konsistensi	8.1	6.8
Percobaan	69/69	69/69
Tes benar
Tingkat lulus per percobaan	47.8%	63.8%
Tes tidak stabil	5	9
Total Run	69	69
Biaya per hasil	0.335	1.423
Total Biaya	$0.030	$0.157
Harga input	$0.037 / 1M	$0.370 / 1M
Harga output	$0.170 / 1M	$1.250 / 1M
Total token input	285,293	277,028
Token output	29,565	11,965
Token penalaran	89,266	31,238
Waktu respons (rata-rata)	31.58s	9.69s
Waktu respons (maks)	203.90s	77.99s
Waktu respons (total)	536.78s	222.83s
Parameter	117B total (5.1B aktif)	320B total (18B aktif)
Ketersediaan	Sumber terbuka	Tertutup

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

medium

low

Kategori:

Tugas agen	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	5.0	10.0	0.0%	0		203.90s	176,526	187	20,362
GLM 5.3 FlashX	4.7	3.1	33.3%	1		77.99s	159,703	1,471	4,696

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
GLM 5.3 FlashX	8.2	7.9	83.3%	1		1.56s	639	278	353

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
GLM 5.3 FlashX	5.5	7.4	44.4%	1		5.45s	7,317	382	4,760

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	6.5	10.0	50.0%	0		23.96s	81,198	10,453	22,883
GLM 5.3 FlashX	2.8	1.6	33.3%	2		42.40s	92,545	8,581	18,553

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
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.59s	7,149	210	81

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	2.9	4.4	22.2%	2		27.55s	1,286	6,390	21,466
GLM 5.3 FlashX	3.5	4.4	33.3%	2		3.87s	759	36	2,040

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
GLM 5.3 FlashX	4.7	1.6	66.7%	1		2.07s	498	137	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.34s	678	72	84

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
GLM 5.3 FlashX	7.7	7.3	77.8%	1		1.89s	672	460	336

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
GLM 5.3 FlashX	10.0	10.0	100.0%	0		9.52s	6,861	231	20

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
GLM 5.3 FlashX	3.0	10.0	0.0%	0		2.69s	207	107	315

Ganti Pasangan Perbandingan