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 xAI: Grok 4.20 Beta

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică gpt-oss-120b gpt-oss-120b medium Lansare: 2025-08-05 Disponibil gratuit Grok 4.20 Beta Grok 4.20 Beta none Lansare: 2026-03-12
Rang #43 #52
Scor mediu 5.1 4.4
Consistență 7.4 9.1
Cost per rezultat 0.135 2.214
Cost total $0.010 $0.089
Teste corecte
Rată de trecere pe încercare 54.2% 33.3%
Teste instabile 5 2
Rulări totale 48 48
Tokenuri de ieșire 13,210 1,511
Tokenuri de raționament 34,230 0
Timp de răspuns (mediu) 16.65s 1.22s
Timp de răspuns (maxim) 50.92s 6.48s
Timp de răspuns (total) 149.88s 19.53s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu 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 7.0 9.8 66.7% 0 19.76s 3,463 2,077
Grok 4.20 Beta 3.3 7.9 22.2% 1 562ms 245 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
Grok 4.20 Beta 10.0 10.0 0.0% 0 6.48s 282 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 5.5 5.9 66.7% 1 1.98s 241 1,114
Grok 4.20 Beta 9.9 10.0 100.0% 0 601ms 197 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 10.0 4.4 22.2% 2 50.92s 6,784 20,606
Grok 4.20 Beta 10.0 10.0 0.0% 0 611ms 160 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 3.0 10.0 0.0% 0 7.90s 107 387
Grok 4.20 Beta 5.0 10.0 0.0% 0 541ms 87 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 9.5 10.0 100.0% 0 7.63s 126 1,799
Grok 4.20 Beta 4.5 10.0 0.0% 0 687ms 60 0
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
gpt-oss-120b 1.7 4.7 22.2% 2 11.80s 1,508 2,092
Grok 4.20 Beta 4.0 7.2 55.6% 1 541ms 291 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 9.0 10.0 100.0% 0 6.91s 287 1,083
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.79s 189 0

Comparație rapidă

Schimbă perechea de comparație