OpenAI
प्रकाशन: 2025-08-05
चाचणी तारीख: 2026-10-01 05:17
openai/gpt-oss-120b::none
117B एकूण (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY वर 4.2 स्कोर करते आणि #364 वर आहे. याची reliability 10.0, pass rate 34.8%, एकूण खर्च $0.016, आणि सरासरी response time 28.63s आहे.
gpt-oss-120b खास का आहे: हे स्वायत्त एजंट कार्ये मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #10.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 117B एकूण (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- परवाना
- Apache-2.0
4.2
सुसंगतता
7.6
10.0
एकूण आउटपुट टोकन्स
62,213
एकूण इनपुट टोकन्स
131,652
इनपुट किंमत
$0.037 / 1M
आउटपुट किंमत
$0.170 / 1M
कॅश वाचण्याची किंमत
लागू नाही
कॅश लिहिण्याची किंमत
लागू नाही
कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.
चुकीच्या चाचण्या: 14
प्रति प्रयत्न पास दर: 34.8%
बेंचमार्क कव्हरेज: 60/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती)
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-10-01 05:17 सूट बदलला | 4.2 | 10.0 | $0.016 ↓ | सध्याची रन | |
| 2026-04-21 12:42 पहिली नोंदलेली रन | 5.2 | लागू नाही | $0.009 | 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 | कॅश वाचण्याची किंमत | कॅश लिहिण्याची किंमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M | लागू नाही | लागू नाही |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M | लागू नाही | लागू नाही |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M | लागू नाही | लागू नाही |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M | लागू नाही | लागू नाही |
| 2026-08-12 11:59 | $0.030 / 1M | $0.170 / 1M | लागू नाही | लागू नाही |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
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-120bnonevsCobuddymediumमोफत उपलब्धgpt-oss-120bnonevsGranite 4.1 8bdefaultgpt-oss-120bnonevsGranite 4.2 8Bnonegpt-oss-120bnonevsNemotron 3.5 Lightningnoneमोफत उपलब्ध
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 6.1 | 3.1 | |
| अँटी-एआय युक्त्या | 6.5 | 10.0 | |
| कोडिंग | 1.5 | 0.4 | |
| संयुक्त | 1.5 | 5.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.8 | 10.0 | |
| सूचनांचे पालन | 9.8 | 10.0 | |
| कोडी सोडवणे | 6.0 | 7.2 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |