AI BENCHY Compare

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

Сводка

Сравнение benchmark GPT-5.4 vs gpt-oss-120b: gpt-oss-120b лидирует по среднему баллу: 6.7 vs 5.8. gpt-oss-120b имеет более низкую стоимость benchmark: $0.013 vs $0.122. GPT-5.4 быстрее: 1.42s vs 22.28s, с долей успешных попыток 36.5% vs 52.4%.

Рекомендуемая модель: gpt-oss-120b - Здесь у него лучший балл (6.7), при этом он примерно в 10.0 раза дешевле, чем GPT-5.4.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика	GPT-5.4 GPT-5.4 none Релиз: 2026-03-05	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно

Метрика	GPT-5.4 GPT-5.4 none Релиз: 2026-03-05	gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно
Оценка	5.8	6.7
Ранг	#112	#78
Надежность	10.0	10.0
Стабильность	9.2	8.0
Тестов верно
Доля успешных попыток	36.5%	52.4%
Нестабильные тесты	2	5
Всего запусков	63	63
Стоимость за результат	1.740	0.141
Общая стоимость	$0.122	$0.013
Цена входа	$2.500 / 1M	$0.039 / 1M
Цена выхода	$15.000 / 1M	$0.180 / 1M
Общее число входных токенов	34,212	39,084
Выходные токены	2,417	20,013
Токены рассуждений	0	50,233
Время ответа (среднее)	1.42s	22.28s
Время ответа (макс.)	2.95s	68.16s
Время ответа (суммарно)	29.87s	311.96s

Генерация showcase

Hamster playing table tennis

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

#112 GPT-5.4

none

Стоимость: $0.026
Время: 18.1s
Токены: 1,792 tok

#78 gpt-oss-120b

medium

Стоимость: $0.001
Время: 26.7s
Токены: 555 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения