Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: gpt-oss-120b

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-29

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit
Scor 7.6 5.8
Rang #49 #88
Fiabilitate N/D N/D
Consistență 9.1 7.2
Teste corecte
Rată de trecere pe încercare 70.4% 51.9%
Teste instabile 2 6
Rulări totale 54 54
Cost per rezultat 12.047 0.144
Cost total $1.446 $0.011
Preț de intrare $5.000 / 1M $0.000 / 1M
Preț de ieșire $25.000 / 1M $0.000 / 1M
Tokenuri de ieșire 29,829 13,493
Tokenuri de raționament 18,938 36,879
Timp de răspuns (mediu) 21.08s 16.08s
Timp de răspuns (maxim) 83.40s 50.92s
Timp de răspuns (total) 231.84s 176.88s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
gpt-oss-120b 6.7 9.9 50.0% 0 10.21s 3,518 2,177
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 23.11s 3,486 1,504
gpt-oss-120b 4.3 1.1 66.7% 1 26.33s 228 2,549
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 694 5,072
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
gpt-oss-120b 6.4 5.9 66.7% 1 1.98s 241 1,114
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
gpt-oss-120b 2.9 4.4 22.2% 2 50.92s 6,784 20,606
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
gpt-oss-120b 4.3 10.0 0.0% 0 7.90s 107 387
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
gpt-oss-120b 9.9 10.0 100.0% 0 7.63s 126 1,799
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
gpt-oss-120b 3.2 4.7 22.2% 2 11.80s 1,508 2,092
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
gpt-oss-120b 9.8 10.0 100.0% 0 6.91s 287 1,083

Comparație rapidă

Schimbă perechea de comparație