#169 gpt-oss-120b
medium- खर्च
- $0.001
- वेळ
- 26.7s
- टोकन्स
- 555 tok
OpenAI
प्रकाशन: 2025-08-05
चाचणी तारीख: 2026-08-14 02:08
openai/gpt-oss-120b::medium
117B एकूण (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY वर 6.1 स्कोर करते आणि #169 वर आहे. याची reliability 10.0, pass rate 50.0%, एकूण खर्च $0.019, आणि सरासरी response time 20.81s आहे.
gpt-oss-120b खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डोमेन-विशिष्ट हा सर्वात कमकुवत भाग आहे, rank #15. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 117B एकूण (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- परवाना
- Apache-2.0
6.1
सुसंगतता
8.0
10.0
एकूण आउटपुट टोकन्स
98,282
एकूण इनपुट टोकन्स
108,767
इनपुट किंमत
$0.030 / 1M
आउटपुट किंमत
$0.170 / 1M
अस्थिर चाचण्या
5
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-08-14 02:08 पुन्हा चाचणी | 6.1 | 10.0 | $0.019 ↓ | सध्याची रन | |
| 2026-07-16 22:24 नवीन चाचणी जोडली | 6.1 | 10.0 | $0.019 ↓ | तुलना करा | |
| 2026-06-04 13:44 नवीन चाचणी जोडली | 6.1 | 10.0 | $0.013 ↓ | तुलना करा | |
| 2026-05-22 00:18 सूट बदलला | 5.6 | 10.0 | $0.012 | तुलना करा | |
| 2026-04-21 12:42 पहिली नोंदलेली रन | 5.8 | लागू नाही | $0.011 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
किंमत इतिहास
OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.
| तारीख | इनपुट किंमत | आउटपुट किंमत |
|---|---|---|
| 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 |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
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 31Bmediumमोफत उपलब्धgpt-oss-120bmediumvsTrinity Large Thinkingmedium
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.7 | 9.9 | |
| कोडिंग | 5.9 | 7.0 | |
| संयुक्त | 6.5 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.4 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 4.3 | 10.0 | |
| सूचनांचे पालन | 9.9 | 10.0 | |
| कोडी सोडवणे | 5.3 | 7.2 | |
| टूल कॉलिंग | 9.8 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |