Навигация
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

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-03-12

Метрика gpt-oss-120b gpt-oss-120b medium Релиз: 2025-08-05 Бесплатно доступно Grok 4.20 Beta Grok 4.20 Beta none Релиз: 2026-03-12
Ранг #43 #52
Средний балл 5.1 4.4
Стабильность 7.4 9.1
Стоимость за результат 0.135 2.214
Общая стоимость $0.010 $0.089
Тестов верно
Доля успешных попыток 54.2% 33.3%
Нестабильные тесты 5 2
Всего запусков 48 48
Выходные токены 13,210 1,511
Токены рассуждений 34,230 0
Время ответа (среднее) 16.65s 1.22s
Время ответа (макс.) 50.92s 6.48s
Время ответа (суммарно) 149.88s 19.53s

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Средний балл vs Время ответа (среднее)

Общее число выходных токенов

Средний балл vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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 Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Выходные токены Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения

gpt-oss-120bmediumБесплатно доступноvsQwen3.5-122B-A10BnoneGemini 2.5 Flashnonevsgpt-oss-120bmediumБесплатно доступноgpt-oss-120bmediumБесплатно доступноvsQwen3.5-FlashnoneSeed-2.0-Litenonevsgpt-oss-120bmediumБесплатно доступноgpt-oss-120bmediumБесплатно доступноvsQwen3.5-27BnoneMiniMax M2.5mediumvsGrok 4.20 Betanonegpt-oss-120bmediumБесплатно доступноvsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsgpt-oss-120bmediumБесплатно доступноgpt-oss-120bmediumБесплатно доступноvsHunter AlphanoneTrinity Large PreviewnoneБесплатно доступноvsgpt-oss-120bmediumБесплатно доступноMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 Betanone