#112

gpt-oss-120b

OpenAI Releasedatum: 2025-08-05 Getest op: 2026-05-22 00:18 openai/gpt-oss-120b::medium

117B totaal (5.1B actief)MoEOpen-source

(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 Instructies opvolgen, waar het #4 staat, terwijl Programmeren het zwakste gebied is met #18.

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

5.6

Consistentie

7.5

Betrouwbaarheid

10.0

Totale kosten (huidige prijs)

$0.012

Totaal aantal uitvoer-tokens

63,919

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: 13

Slaagpercentage per poging: 46.7%

Instabiele tests

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

Responstijd (gem.)

20.89s

Responstijd (max): 68.16s

Responstijd (totaal): 271.54s

Verkeerd antwoord: 9 Instructies niet gevolgd: 4

Hamster playing table tennis

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

#112 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	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	Benchmarkdekking	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	60/60 pogingen	5.6	7.5	10.0	7/20	6	63,919	0	$0.012	20.89s
2026-07-16 22:24 · Nieuwe test toegevoegd	66/66 pogingen	6.1	8.0	10.0	9/22	5	97,816	108,747	$0.019	21.91s
Verschil	—	-0.5	-0.5	0.0	-2	+1	-33897	-108747	-$0.007	-1025ms

De benchmarkdekking verschilt: 60/60 pogingen (Doel: 3 herhalingen per test) tegenover 66/66 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	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

gpt-oss-120b

Modelgegevens

Hamster playing table tennis

#112 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