AI BENCHY Compare

OpenAI: GPT-5.4 vs OpenAI: gpt-oss-120b

Rezumat

Comparație benchmark GPT-5.4 vs gpt-oss-120b: gpt-oss-120b conduce la scorul mediu cu 6.7 vs 5.8. gpt-oss-120b are costul de benchmark mai mic, $0.013 vs $0.122. GPT-5.4 este mai rapid cu 1.42s vs 22.28s, cu rate de reușită de 36.5% vs 52.4%.

Model recomandat: gpt-oss-120b - Are cel mai bun scor aici (6.7) și costă de aproximativ 10.0x mai puțin decât GPT-5.4.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică	GPT-5.4 GPT-5.4 none Lansare: 2026-03-05	gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit

Metrică	GPT-5.4 GPT-5.4 none Lansare: 2026-03-05	gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit
Scor	5.8	6.7
Rang	#112	#78
Fiabilitate	10.0	10.0
Consistență	9.2	8.0
Teste corecte
Rată de trecere pe încercare	36.5%	52.4%
Teste instabile	2	5
Rulări totale	63	63
Cost per rezultat	1.740	0.141
Cost total	$0.122	$0.013
Preț de intrare	$2.500 / 1M	$0.039 / 1M
Preț de ieșire	$15.000 / 1M	$0.180 / 1M
Total tokenuri de intrare	34,212	39,084
Tokenuri de ieșire	2,417	20,013
Tokenuri de raționament	0	50,233
Timp de răspuns (mediu)	1.42s	22.28s
Timp de răspuns (maxim)	2.95s	68.16s
Timp de răspuns (total)	29.87s	311.96s

Prezentare generare

Hamster playing table tennis

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

#112 GPT-5.4

none

Cost: $0.026
Timp: 18.1s
Tokenuri: 1,792 tok

#78 gpt-oss-120b

medium

Cost: $0.001
Timp: 26.7s
Tokenuri: 555 tok

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 intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	3.2	8.0	8.3%	1		1.21s	606	406	0
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	0
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	3.0	10.0	0.0%	0		2.89s	11,019	291	0
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	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 intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	10.0	10.0	100.0%	0		1.04s	7,140	222	0
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	5.3	7.2	44.4%	1		1.07s	723	50	0
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	6,784	20,606

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	4.4	9.9	0.0%	0		1.78s	477	184	0
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	6.5	10.0	50.0%	0		1.07s	660	81	0
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	5.6	9.8	33.3%	0		1.44s	642	381	0
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	0
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
GPT-5.4	3.0	10.0	0.0%	0		990ms	195	40	0
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

Comparație rapidă

Schimbă perechea de comparație