#169 gpt-oss-120b
medium- Biaya
- $0.001
- Waktu
- 26.7s
- Token
- 555 tok
OpenAI
Rilis: 2025-08-05
Diuji pada: 2026-08-14 02:08
openai/gpt-oss-120b::medium
117B total (5.1B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
gpt-oss-120b mendapat skor 6.1 di AI BENCHY dan berada di peringkat #169. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 50.0%, total biaya $0.019, dan waktu respons rata-rata 20.81s.
Yang membuat gpt-oss-120b unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Spesifik domain adalah area terlemahnya di #15. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 117B total (5.1B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
6.1
Konsistensi
8.0
10.0
Total token output
98,282
Total token input
108,767
Harga input
$0.030 / 1M
Harga output
$0.170 / 1M
Tes tidak stabil
5
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:08 Uji ulang | 6.1 | 10.0 | $0.019 ↓ | Run saat ini | |
| 2026-07-16 22:24 Tes baru ditambahkan | 6.1 | 10.0 | $0.019 ↓ | Bandingkan | |
| 2026-06-04 13:44 Tes baru ditambahkan | 6.1 | 10.0 | $0.013 ↓ | Bandingkan | |
| 2026-05-22 00:18 Suite berubah | 5.6 | 10.0 | $0.012 | Bandingkan | |
| 2026-04-21 12:42 Run pertama yang tercatat | 5.8 | T/A | $0.011 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:08 · Run saat ini | 66/66 percobaan | 6.1 | 8.0 | 10.0 | 9/22 | 5 | 98,282 | 108,767 | $0.019 | 20.81s |
| 2026-05-22 00:18 · Suite berubah | 60/60 percobaan | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| Selisih | — | +0.5 | +0.5 | 0.0 | +2 | -1 | +34363 | +108767 | +$0.007 | -83ms |
Cakupan benchmark berbeda: 66/66 percobaan (Target: 3 pengulangan per tes) dibanding 60/60 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output |
|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M |
| 2026-08-14 12:51 | $0.030 / 1M | $0.170 / 1M |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
gpt-oss-120bmediumvsQwen3.5-35B-A3Bmediumgpt-oss-120bmediumvsQwen3.7 Flashnonegpt-oss-120bmediumvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumvsGemini 3.1 Flash Litenonegpt-oss-120bmediumvsClaude Sonnet 5nonegpt-oss-120bmediumvsQwen3.5-Flashmediumgpt-oss-120bmediumvsGPT-5.6 Lunalowgpt-oss-120bmediumvsInklinglowgpt-oss-120bmediumvsGemma 4 31BmediumTersedia gratisgpt-oss-120bmediumvsTrinity Large Thinkingmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.7 | 9.9 | |
| Pemrograman | 5.9 | 7.0 | |
| Gabungan | 6.5 | 10.0 | |
| Parsing dan ekstraksi data | 6.4 | 5.9 | |
| Spesifik domain | 2.9 | 4.4 | |
| Kecerdasan umum | 4.3 | 10.0 | |
| Kepatuhan instruksi | 9.9 | 10.0 | |
| Pemecahan teka-teki | 5.3 | 7.2 | |
| Pemanggilan alat | 9.8 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |