#73 gpt-oss-120b
medium- Kosten
- $0.001
- Tijd
- 26.7s
- Tokens
- 555 tok
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: De totale benchmarkkosten zijn ongewoon laag voor dit scoreniveau.
Modelgegevens
Onderzocht op 2026-08-12
- Parameters
- 117B totaal (5.1B actief)
- Architectuur
- MoE
- Beschikbaarheid
- Open-source
- Licentie
- Apache-2.0
5.8
Consistentie
7.2
n.v.t.
Totaal aantal uitvoer-tokens
50,372
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).
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 |
|---|---|---|---|---|---|
| 2026-08-14 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 | Totaal aantal invoer-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 | $0.011 | 16.08s |
| 2026-08-14 02:08 · Hertest | 66/66 pogingen | 6.1 | 8.0 | 10.0 | 9/22 | 5 | 98,282 | 108,767 | $0.019 | 20.81s |
| Verschil | — | -0.3 | -0.8 | -2 | +1 | -47910 | -108767 | -$0.009 | -4725ms |
De benchmarkdekking verschilt: 54/54 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
gpt-oss-120bmediumGratis beschikbaarvsQwen3.5-35B-A3Bmediumgpt-oss-120bmediumGratis beschikbaarvsQwen3.7 Flashnonegpt-oss-120bmediumGratis beschikbaarvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumGratis beschikbaarvsGemini 3.1 Flash Litenonegpt-oss-120bmediumGratis beschikbaarvsClaude Sonnet 5nonegpt-oss-120bmediumGratis beschikbaarvsQwen3.5-Flashmediumgpt-oss-120bmediumGratis beschikbaarvsGPT-5.6 Lunalowgpt-oss-120bmediumGratis beschikbaarvsInklinglowgpt-oss-120bmediumGratis beschikbaarvsGemma 4 31BmediumGratis beschikbaargpt-oss-120bmediumGratis beschikbaarvsTrinity Large Thinkingmedium
Categorie-uitsplitsing
| Categorie | Score | Consistentie | Correcte tests |
|---|---|---|---|
| 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 |