#73

gpt-oss-120b

OpenAI Releasedatum: 2025-08-05 Getest op: 2026-04-21 12:42 openai/gpt-oss-120b::medium

117B totaal (5.1B actief)MoEOpen-source

(medium) (none)

Samenvatting

gpt-oss-120b scoort 5.8 op AI BENCHY en staat op #73. Het model heeft n.v.t. betrouwbaarheid, een slagingspercentage van 51.9%, $0.011 totale kosten en 16.08s gemiddelde responstijd.

Wat gpt-oss-120b uniek maakt: Het valt het meest op in Gecombineerd, waar het #1 staat, terwijl Anti-AI-trucs het zwakste gebied is met #18. De totale benchmarkkosten zijn ongewoon laag voor dit scoreniveau.

Modelgegevens

Onderzocht op 2026-08-12

Gerapporteerd

Parameters: 117B totaal (5.1B actief)
Architectuur: MoE
Beschikbaarheid: Open-source
Licentie: Apache-2.0

Bron voor parameters Bron voor beschikbaarheid

Score

5.8

Consistentie

7.2

Betrouwbaarheid

n.v.t.

Totale kosten (huidige prijs)

$0.011

Totaal aantal uitvoer-tokens

50,372

Totaal aantal invoer-tokens

Invoerprijs

$0.000 / 1M

Uitvoerprijs

$0.000 / 1M

Prijs voor cachelezen

n.v.t.

Prijs voor cacheschrijven

n.v.t.

Cacheprijzen gelden voor invoertokens. Lezen hergebruikt opgeslagen prompts; schrijven slaat ze op en kan extra kosten. Voor uitvoertokens geldt de uitvoerprijs.

Correcte tests

Foute tests: 11

Slaagpercentage per poging: 51.9%

Instabiele tests

Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).

Responstijd (gem.)

16.08s

Responstijd (max): 50.92s

Responstijd (totaal): 176.88s

Verkeerd antwoord: 7 Instructies niet gevolgd: 4

Hamster playing table tennis

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

#73 gpt-oss-120b

medium

Kosten: $0.001
Tijd: 26.7s
Tokens: 555 tok

Rungeschiedenis

Getest op	Score	Betrouwbaarheid	Totale kosten	Vergelijken
2026-08-14 02:08 Hertest	6.1	10.0	$0.019 ↓	Vergelijken
2026-07-16 22:24 Nieuwe test toegevoegd	6.1	10.0	$0.019 ↓	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	Vergelijken
2026-04-21 12:42 Eerste geregistreerde run	5.8	n.v.t.	$0.011	Huidige run

Runvergelijking

Run	Benchmarkdekking	Score	Consistentie	Betrouwbaarheid	Correcte tests	Instabiele tests	Totaal aantal uitvoer-tokens	Totale kosten	Responstijd (gem.)
2026-04-21 12:42 · Eerste geregistreerde run	54/54 pogingen	5.8	7.2	n.v.t.	7/18	6	50,372	$0.011	16.08s
2026-05-22 00:18 · Suite gewijzigd	60/60 pogingen	5.6	7.5	10.0	7/20	6	63,919	$0.012	20.89s
Verschil	—	+0.3	-0.3		0	0	-13547	-$0.002	-4808ms

De benchmarkdekking verschilt: 54/54 pogingen (Doel: 3 herhalingen per test) tegenover 60/60 pogingen (Doel: 3 herhalingen per test). Totalen en herhalingsgevoelige statistieken zijn niet direct vergelijkbaar.

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

Categorie-uitsplitsing

Categorie	Score	Consistentie
Anti-AI-trucs	6.7	9.9
Programmeren	4.3	1.1
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

gpt-oss-120b

Modelgegevens

Hamster playing table tennis

#73 gpt-oss-120b

Grafieken

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

Categorie-uitsplitsing

Vergeleken modellen