#112

gpt-oss-120b

OpenAI प्रकाशन: 2025-08-05 चाचणी तारीख: 2026-05-22 00:18 openai/gpt-oss-120b::medium

117B एकूण (5.1B सक्रिय)MoEमुक्त स्रोत

(medium) (none)

सारांश

gpt-oss-120b AI BENCHY वर 5.6 स्कोर करते आणि #112 वर आहे. याची reliability 10.0, pass rate 46.7%, एकूण खर्च $0.012, आणि सरासरी response time 20.89s आहे.

gpt-oss-120b खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #18. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

जाहीर केलेले

पॅरामीटर्स: 117B एकूण (5.1B सक्रिय)
आर्किटेक्चर: MoE
उपलब्धता: मुक्त स्रोत
परवाना: Apache-2.0

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

5.6

सुसंगतता

7.5

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.012

एकूण आउटपुट टोकन्स

63,919

एकूण इनपुट टोकन्स

इनपुट किंमत

$0.000 / 1M

आउटपुट किंमत

$0.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 13

प्रति प्रयत्न पास दर: 46.7%

अस्थिर चाचण्या

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

20.89s

प्रतिसाद वेळ (कमाल): 68.16s

प्रतिसाद वेळ (एकूण): 271.54s

चुकीचे उत्तर: 9 सूचनांचे पालन केले नाही: 4

Hamster playing table tennis

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

#112 gpt-oss-120b

medium

खर्च: $0.001
वेळ: 26.7s
टोकन्स: 555 tok

रन इतिहास

चाचणी तारीख	स्कोअर	विश्वसनीयता	एकूण खर्च	तुलना करा
2026-08-14 02:08 पुन्हा चाचणी	6.1	10.0	$0.019 ↓	तुलना करा
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	सध्याची रन
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.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

श्रेणीवार तपशील

श्रेणी	स्कोअर	सुसंगतता
अँटी-एआय युक्त्या	6.7	9.9
कोडिंग	3.9	5.6
संयुक्त	10.0	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	3.2	4.7
टूल कॉलिंग	9.8	10.0
सामान्य ज्ञान	3.0	10.0

gpt-oss-120b

मॉडेलची माहिती

Hamster playing table tennis

#112 gpt-oss-120b

चार्ट्स

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

श्रेणीवार तपशील

तुलना केलेली मॉडेल्स