OpenAI
Lansare: 2025-08-05
Testat la: 2026-05-08 15:31
openai/gpt-oss-120b::none
117B în total (5.1B activi)MoESursă deschisă
(medium)
(none)
Rezumat
gpt-oss-120b obține 3.7 pe AI BENCHY și este pe #285. Are fiabilitate 10.0, rată de reușită 33.3%, cost total $0.010 și timp mediu de răspuns 21.61s.
Ce face gpt-oss-120b unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 117B în total (5.1B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
3.7
Consistență
7.8
10.0
Total tokenuri de ieșire
51,664
Total tokenuri de intrare
9,081
Preț de intrare
$0.030 / 1M
Preț de ieșire
$0.170 / 1M
Teste greșite: 13
Rată de trecere pe încercare: 33.3%
Acoperire benchmark: 57/66 încercări
Teste instabile
2
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-05-08 15:31 Suită modificată | 3.7 | 10.0 | $0.010 ↓ | Rularea curentă | |
| 2026-04-21 12:42 Prima rulare înregistrată | 5.2 | N/D | $0.009 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:31 · Rularea curentă | 57/66 încercări | 3.7 | 7.8 | 10.0 | 6/19 | 2 | 51,664 | 9,081 | $0.010 | 21.61s |
| 2026-04-21 12:42 · Prima rulare înregistrată | 54/54 încercări | 5.2 | 7.9 | N/D | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| Diferență | — | -1.5 | -0.1 | +2 | -3 | +7012 | +9081 | +$0.001 | +9656ms |
Acoperirea benchmark diferă: 57/57 încercări (Țintă: 3 repetări per test) față de 54/54 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-06-04 15:40 | $0.039 / 1M | $0.180 / 1M |
| 2026-06-29 01:00 | $0.030 / 1M | $0.150 / 1M |
| 2026-07-09 20:59 | $0.036 / 1M | $0.180 / 1M |
| 2026-07-16 15:36 | $0.037 / 1M | $0.170 / 1M |
| 2026-08-12 11:59 | $0.030 / 1M | $0.170 / 1M |
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
gpt-oss-120bnoneDisponibil gratuitvsLing 3.0 Tinymediumgpt-oss-120bnoneDisponibil gratuitvsQwen3.5-9Bmediumgpt-oss-120bnoneDisponibil gratuitvsLing 3.0 Tinylowgpt-oss-120bnoneDisponibil gratuitvsLing 3.0 Tinyhighgpt-oss-120bnoneDisponibil gratuitvsNemotron 3.5 LightningnoneDisponibil gratuitgpt-oss-120bnoneDisponibil gratuitvsGranite 4.1 8Bnonegpt-oss-120bnoneDisponibil gratuitvsLing 3.0 Tinynonegpt-oss-120bnoneDisponibil gratuitvsGrok 4.20nonegpt-oss-120bnoneDisponibil gratuitvsGLM 4.7 Flashmediumgpt-oss-120bnoneDisponibil gratuitvsLaguna S 2.1noneDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.5 | 10.0 | |
| Programare | 1.5 | 4.0 | |
| Combinat | 1.5 | 5.0 | |
| Parsare și extragere de date | 6.5 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.8 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 6.0 | 7.2 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |