OpenAI
प्रकाशन: 2025-08-05
चाचणी तारीख: 2026-04-21 12:42
openai/gpt-oss-120b::none
117B एकूण (5.1B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
gpt-oss-120b AI BENCHY वर 5.2 स्कोर करते आणि #91 वर आहे. याची reliability लागू नाही, pass rate 38.9%, एकूण खर्च $0.009, आणि सरासरी response time 11.96s आहे.
gpt-oss-120b खास का आहे: समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 117B एकूण (5.1B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- परवाना
- Apache-2.0
5.2
सुसंगतता
7.9
लागू नाही
$0.009
एकूण आउटपुट टोकन्स
44,652
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.000 / 1M
आउटपुट किंमत
$0.000 / 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.
अस्थिर चाचण्या
5
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-08 15:31 सूट बदलला | 3.7 | 10.0 | $0.010 ↓ | तुलना करा | |
| 2026-04-21 12:42 पहिली नोंदलेली रन | 5.2 | लागू नाही | $0.009 | सध्याची रन |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · पहिली नोंदलेली रन | 54/54 प्रयत्न | 5.2 | 7.9 | लागू नाही | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| 2026-05-08 15:31 · सूट बदलला | 57/57 प्रयत्न | 3.7 | 7.8 | 10.0 | 6/19 | 2 | 51,664 | 9,081 | $0.010 | 21.61s |
| फरक | — | +1.5 | +0.1 | -2 | +3 | -7012 | -9081 | -$0.001 | -9656ms |
बेंचमार्क कव्हरेज वेगळे आहे: 54/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 57/57 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
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-120bnoneमोफत उपलब्धvsGLM 4.7 Flashmediumgpt-oss-120bnoneमोफत उपलब्धvsMercury 2.5nonegpt-oss-120bnoneमोफत उपलब्धvsMiniMax M2.5mediumgpt-oss-120bnoneमोफत उपलब्धvsQwen3.5-9Bmediumgpt-oss-120bnoneमोफत उपलब्धvsMercury 2nonegpt-oss-120bnoneमोफत उपलब्धvsLing 3.0 Tinydefaultgpt-oss-120bnoneमोफत उपलब्धvsCobuddymediumमोफत उपलब्धgpt-oss-120bnoneमोफत उपलब्धvsGranite 4.1 8bdefaultgpt-oss-120bnoneमोफत उपलब्धvsGranite 4.2 8Bnonegpt-oss-120bnoneमोफत उपलब्धvsNemotron 3.5 Lightningnoneमोफत उपलब्ध
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.6 | 8.0 | |
| कोडिंग | 4.3 | 1.1 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.6 | 10.0 | |
| सूचनांचे पालन | 8.4 | 6.9 | |
| कोडी सोडवणे | 4.5 | 4.8 | |
| टूल कॉलिंग | 3.0 | 10.0 |