#112 gpt-oss-120b
medium- Kosten
- $0.001
- Tijd
- 26.7s
- Tokens
- 555 tok
OpenAI
Releasedatum: 2025-08-05
Getest op: 2026-05-22 00:18
openai/gpt-oss-120b::medium
(medium)
(none)
Samenvatting
gpt-oss-120b scoort 5.6 op AI BENCHY en staat op #112. Het model heeft 10.0 betrouwbaarheid, een slagingspercentage van 46.7%, $0.012 totale kosten en 20.89s gemiddelde responstijd.
Wat gpt-oss-120b uniek maakt: Het valt het meest op in Gecombineerd, waar het #1 staat, terwijl Gegevensparsering en extractie het zwakste gebied is met #11. De totale benchmarkkosten zijn ongewoon laag voor dit scoreniveau. Het gebruikt ongewoon veel redeneertokens, wat tragere of duurdere runs kan verklaren.
5.6
Consistentie
7.5
10.0
Totaal aantal uitvoer-tokens
63,919
Totaal aantal invoer-tokens
0
Invoerprijs
$0.000 / 1M
Uitvoerprijs
$0.000 / 1M
Instabiele tests
6
Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).
Generatie-showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Rungeschiedenis
| Getest op | Score | Betrouwbaarheid | Correcte tests | Totale kosten | Vergelijken |
|---|---|---|---|---|---|
| 2026-06-04 13:44 Nieuwe test toegevoegd | 6.1 | 10.0 | $0.013 ↓ | Vergelijken | |
| 2026-05-22 00:18 Suite gewijzigd | 5.6 | 10.0 | $0.012 | Huidige run | |
| 2026-04-21 12:42 Eerste geregistreerde run | 5.8 | n.v.t. | $0.011 | Vergelijken |
Deze run gebruikte een andere benchmarkset. Houd rekening met suitewijzigingen bij het lezen van historische verschuivingen.
Runvergelijking
| Run | Score | Consistentie | Betrouwbaarheid | Correcte tests | Instabiele tests | Totaal aantal uitvoer-tokens | Totaal aantal invoer-tokens | Totale kosten | Responstijd (gem.) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · Suite gewijzigd | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| 2026-04-21 12:42 · Eerste geregistreerde run | 5.8 | 7.2 | n.v.t. | 7/18 | 6 | 50,372 | 0 | $0.011 | 16.08s |
| Verschil | -0.3 | +0.3 | 0 | 0 | +13547 | 0 | +$0.002 | +4808ms |
Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.
Grafieken
Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.
Topmodellen op score
Score vs Totale kosten
Responstijd (gem.)
Score vs Responstijd (gem.)
Totaal aantal uitvoer-tokens
Score vs Totaal aantal uitvoer-tokens
Snelle vergelijking
gpt-oss-120bmediumGratis beschikbaarvsQwen3.7 Maxnonegpt-oss-120bmediumGratis beschikbaarvsQwen3.5-Flashmediumgpt-oss-120bmediumGratis beschikbaarvsGemini 3 Flash Previewnonegpt-oss-120bmediumGratis beschikbaarvsGemini 3.5 Flashminimalgpt-oss-120bmediumGratis beschikbaarvsGemini 3.5 Flashnonegpt-oss-120bmediumGratis beschikbaarvsRing-2.6-1Tmediumgpt-oss-120bmediumGratis beschikbaarvsGemini 3.5 Flashhighgpt-oss-120bmediumGratis beschikbaarvsGemini 3 Flash Previewmediumgpt-oss-120bmediumGratis beschikbaarvsNemotron 3 Ultra 550b A55bmediumGratis beschikbaargpt-oss-120bmediumGratis beschikbaarvsGPT-5.5low
Categorie-uitsplitsing
| Categorie | Score | Consistentie | Correcte tests |
|---|---|---|---|
| Anti-AI-trucs | 6.7 | 9.9 | |
| Programmeren | 3.9 | 5.6 | |
| Gecombineerd | 10.0 | 10.0 | |
| Gegevensparsering en extractie | 6.4 | 5.9 | |
| Domeinspecifiek | 2.9 | 4.4 | |
| Algemene intelligentie | 4.3 | 10.0 | |
| Instructies opvolgen | 9.9 | 10.0 | |
| Puzzeloplossing | 3.2 | 4.7 | |
| Toolaanroepen | 9.8 | 10.0 | |
| Algemene kennis | 3.0 | 10.0 |