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

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-11

Metrică gpt-oss-120b gpt-oss-120b none Lansare: 2025-08-05 Disponibil gratuit Grok 4.20 Grok 4.20 medium Lansare: 2026-03-31
Scor 5.2 7.0
Rang #79 #44
Consistență 7.9 7.8
Teste corecte
Rată de trecere pe încercare 38.9% 66.7%
Teste instabile 5 5
Rulări totale 54 54
Cost per rezultat 0.221 8.252
Cost total $0.009 $0.743
Preț de intrare $0.039 / 1M $2.000 / 1M
Preț de ieșire $0.190 / 1M $6.000 / 1M
Tokenuri de ieșire 44,652 1,744
Tokenuri de raționament 0 109,882
Timp de răspuns (mediu) 11.96s 10.33s
Timp de răspuns (maxim) 68.97s 29.87s
Timp de răspuns (total) 179.34s 185.87s

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 6.6 8.0 58.3% 1 6.03s 4,867 0
Grok 4.20 8.2 7.9 83.3% 1 3.36s 280 8,476
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 4.3 1.1 66.7% 1 9.57s 3,232 0
Grok 4.20 4.3 1.1 66.7% 1 24.33s 250 12,804
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 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.20 10.0 10.0 100.0% 0 17.40s 232 9,556
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 6.5 10.0 50.0% 0 7.12s 598 0
Grok 4.20 10.0 10.0 100.0% 0 4.17s 180 5,333
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 3.0 10.0 0.0% 0 34.98s 29,483 0
Grok 4.20 5.3 10.0 33.3% 0 27.03s 375 49,339
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 4.6 10.0 0.0% 0 2.83s 586 0
Grok 4.20 5.8 2.8 66.7% 1 7.09s 47 4,252
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 8.4 6.9 83.3% 1 5.10s 1,982 0
Grok 4.20 7.3 5.9 83.3% 1 4.42s 40 5,474
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 4.5 4.8 44.5% 2 6.86s 3,904 0
Grok 4.20 6.4 7.7 55.6% 1 3.89s 143 8,028
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 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.20 3.0 10.0 0.0% 0 13.68s 197 6,620

Comparație rapidă

Schimbă perechea de comparație

MiniMax M2.7mediumvsgpt-oss-120bnoneDisponibil gratuitGemma 4 31BnoneDisponibil gratuitvsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumMistral Small 4mediumvsgpt-oss-120bnoneDisponibil gratuitgpt-oss-120bnoneDisponibil gratuitvsQwen3 Coder NextmediumMiniMax M2.5mediumDisponibil gratuitvsgpt-oss-120bnoneDisponibil gratuitGrok 4.20mediumvsMiMo-V2-Omninonegpt-oss-120bnoneDisponibil gratuitvsGLM 4.7 FlashmediumGPT-5.3 ChatnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5V Turbonone