OpenAI
Rilis: 2025-08-05
Diuji pada: 2026-10-01 05:17
openai/gpt-oss-120b::none
117B total (5.1B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
gpt-oss-120b mendapat skor 4.2 di AI BENCHY dan berada di peringkat #364. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 34.8%, total biaya $0.016, dan waktu respons rata-rata 28.63s.
Yang membuat gpt-oss-120b unik: Model ini paling menonjol di Tugas agen, dengan peringkat #1, sementara Pemrograman adalah area terlemahnya di #10.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 117B total (5.1B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- Apache-2.0
4.2
Konsistensi
7.6
10.0
Total token output
62,213
Total token input
131,652
Harga input
$0.037 / 1M
Harga output
$0.170 / 1M
Harga baca cache
T/A
Harga tulis cache
T/A
Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.
Tes Salah: 14
Tingkat lulus per percobaan: 34.8%
Cakupan benchmark: 60/69 percobaan (Target: 3 pengulangan per tes)
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-10-01 05:17 Suite berubah | 4.2 | 10.0 | $0.016 ↓ | Run saat ini | |
| 2026-04-21 12:42 Run pertama yang tercatat | 5.2 | T/A | $0.009 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 05:17 · Run saat ini | 60/69 percobaan | 4.2 | 7.6 | 10.0 | 6/20 | 3 | 62,213 | 131,652 | $0.016 | 28.63s |
| 2026-04-21 12:42 · Run pertama yang tercatat | 54/54 percobaan | 5.2 | 7.9 | T/A | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| Selisih | — | -1.0 | -0.3 | +2 | -2 | +17561 | +131652 | +$0.007 | +16672ms |
Cakupan benchmark berbeda: 60/69 percobaan (Target: 3 pengulangan per tes) dibanding 54/54 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 | Harga baca cache | Harga tulis cache |
|---|---|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M | T/A | T/A |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M | T/A | T/A |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M | T/A | T/A |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M | T/A | T/A |
| 2026-08-12 11:59 | $0.030 / 1M | $0.170 / 1M | T/A | T/A |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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-120bnonevsGLM 4.7 Flashmediumgpt-oss-120bnonevsMercury 2.5nonegpt-oss-120bnonevsMiniMax M2.5mediumgpt-oss-120bnonevsQwen3.5-9Bmediumgpt-oss-120bnonevsMercury 2nonegpt-oss-120bnonevsLing 3.0 Tinydefaultgpt-oss-120bnonevsCobuddymediumTersedia gratisgpt-oss-120bnonevsGranite 4.1 8bdefaultgpt-oss-120bnonevsGranite 4.2 8Bnonegpt-oss-120bnonevsNemotron 3.5 LightningnoneTersedia gratis
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Tugas agen | 6.1 | 3.1 | |
| Trik anti-AI | 6.5 | 10.0 | |
| Pemrograman | 1.5 | 0.4 | |
| Gabungan | 1.5 | 5.0 | |
| Parsing dan ekstraksi data | 6.5 | 10.0 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 4.8 | 10.0 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 6.0 | 7.2 | |
| Pemanggilan alat | 3.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |