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

OpenAI: gpt-oss-120b vs Elephant Alpha

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit Elephant Alpha Elephant Alpha none Lansare: 2026-04-14
Scor 5.9 5.2
Rang #103 #136
Fiabilitate 10.0 N/D
Consistență 7.9 9.6
Teste corecte
Rată de trecere pe încercare 50.0% 29.8%
Teste instabile 5 1
Rulări totale 60 60
Cost per rezultat 0.151 0.000
Cost total $0.013 $0.000
Preț de intrare $0.039 / 1M $0.000 / 1M
Preț de ieșire $0.180 / 1M $0.000 / 1M
Tokenuri de ieșire 17,495 2,573
Tokenuri de raționament 46,878 0
Timp de răspuns (mediu) 22.41s 1.22s
Timp de răspuns (maxim) 68.16s 3.81s
Timp de răspuns (total) 291.35s 22.03s

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
gpt-oss-120b 6.7 9.9 50.0% 0 10.21s 3,518 2,177
Elephant Alpha 6.6 10.0 50.0% 0 963ms 610 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.9 5.6 33.3% 1 47.24s 847 8,618
Elephant Alpha 4.7 6.7 33.3% 1 1.39s 375 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 694 5,072
Elephant Alpha 3.0 10.0 0.0% 0 3.81s 731 0
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
gpt-oss-120b 6.4 5.9 66.7% 1 1.98s 241 1,114
Elephant Alpha 6.5 10.0 50.0% 0 1.04s 246 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 2.9 4.4 22.2% 2 50.92s 6,784 20,606
Elephant Alpha 3.0 10.0 0.0% 0 927ms 24 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 4.3 10.0 0.0% 0 7.90s 107 387
Elephant Alpha 4.0 10.0 0.0% 0 854ms 106 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 9.9 10.0 100.0% 0 7.63s 126 1,799
Elephant Alpha 9.8 10.0 100.0% 0 1.03s 81 0
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
gpt-oss-120b 5.3 7.2 44.4% 1 21.71s 1,790 2,264
Elephant Alpha 4.2 10.0 0.0% 0 807ms 170 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 9.8 10.0 100.0% 0 6.91s 287 1,083
Elephant Alpha 3.0 10.0 0.0% 0 2.79s 230 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 3.0 10.0 0.0% 0 26.51s 3,101 3,758
Elephant Alpha 0.0 0.0 0.0% 0 0ms 0 0

Comparație rapidă

Schimbă perechea de comparație

gpt-oss-120bmediumDisponibil gratuitvsQwen3.5-Flashnonegpt-oss-120bmediumDisponibil gratuitvsGLM 5V TurbononeSeed-2.0-Litenonevsgpt-oss-120bmediumDisponibil gratuitgpt-oss-120bmediumDisponibil gratuitvsGLM 5.1nonegpt-oss-120bmediumDisponibil gratuitvsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmediumDisponibil gratuitvsQwen3.5-35B-A3BnoneMiniMax M2.7mediumvsElephant Alphanonegpt-oss-120bmediumDisponibil gratuitvsQwen3.5-27Bnonegpt-oss-120bmediumDisponibil gratuitvsQwen3.6 27BnoneMistral Small 4mediumvsElephant AlphanoneMiniMax M2.5mediumDisponibil gratuitvsElephant Alphanonegpt-oss-120bmediumDisponibil gratuitvsMiMo-V2-Pronone