#73 gpt-oss-120b
medium- Biaya
- $0.001
- Waktu
- 26.7s
- Token
- 555 tok
OpenAI
Rilis: 2025-08-05
Diuji pada: 2026-04-21 12:42
openai/gpt-oss-120b::medium
117B total (5.1B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
gpt-oss-120b mendapat skor 5.8 di AI BENCHY dan berada di peringkat #73. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 51.9%, total biaya $0.011, dan waktu respons rata-rata 16.08s.
Yang membuat gpt-oss-120b unik: 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
5.8
Konsistensi
7.2
T/A
$0.011
Total token output
50,372
Total token input
0
Harga input
$0.000 / 1M
Harga output
$0.000 / 1M
Tes tidak stabil
6
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 ↓ | Bandingkan | |
| 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 | Run saat ini |
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · Run pertama yang tercatat | 54/54 percobaan | 5.8 | 7.2 | T/A | 7/18 | 6 | 50,372 | 0 | $0.011 | 16.08s |
| 2026-08-14 02:08 · Uji ulang | 66/66 percobaan | 6.1 | 8.0 | 10.0 | 9/22 | 5 | 98,282 | 108,767 | $0.019 | 20.81s |
| Selisih | — | -0.3 | -0.8 | -2 | +1 | -47910 | -108767 | -$0.009 | -4725ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 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.
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-120bmediumTersedia gratisvsQwen3.5-35B-A3Bmediumgpt-oss-120bmediumTersedia gratisvsQwen3.7 Flashnonegpt-oss-120bmediumTersedia gratisvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumTersedia gratisvsGemini 3.1 Flash Litenonegpt-oss-120bmediumTersedia gratisvsClaude Sonnet 5nonegpt-oss-120bmediumTersedia gratisvsQwen3.5-Flashmediumgpt-oss-120bmediumTersedia gratisvsGPT-5.6 Lunalowgpt-oss-120bmediumTersedia gratisvsInklinglowgpt-oss-120bmediumTersedia gratisvsGemma 4 31BmediumTersedia gratisgpt-oss-120bmediumTersedia gratisvsTrinity Large Thinkingmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.7 | 9.9 | |
| Pemrograman | 4.3 | 1.1 | |
| Gabungan | 10.0 | 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 | 3.2 | 4.7 | |
| Pemanggilan alat | 9.8 | 10.0 |