AI BENCHY Compare

OpenAI: gpt-oss-120b vs xAI: Grok 4.20

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-04-11

Метрика	gpt-oss-120b gpt-oss-120b none Релиз: 2025-08-05 Бесплатно доступно	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31

Метрика	gpt-oss-120b gpt-oss-120b none Релиз: 2025-08-05 Бесплатно доступно	Grok 4.20 Grok 4.20 medium Релиз: 2026-03-31
Оценка	5.2	7.0
Ранг	#79	#44
Стабильность	7.9	7.8
Тестов верно
Доля успешных попыток	38.9%	66.7%
Нестабильные тесты	5	5
Всего запусков	54	54
Стоимость за результат	0.221	8.252
Общая стоимость	$0.009	$0.743
???? ?????	$0.039 / 1M	$2.000 / 1M
???? ??????	$0.190 / 1M	$6.000 / 1M
Выходные токены	44,652	1,744
Токены рассуждений	0	109,882
Время ответа (среднее)	11.96s	10.33s
Время ответа (макс.)	68.97s	29.87s
Время ответа (суммарно)	179.34s	185.87s

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)	Выходные токены	Токены рассуждений
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

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

Комбинированный	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		0ms	0	0
Grok 4.20	10.0	10.0	100.0%	0		17.40s	232	9,556

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

Предметно-ориентированное	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		34.98s	29,483	0
Grok 4.20	5.3	10.0	33.3%	0		27.03s	375	49,339

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

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

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

Вызов инструментов	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		0ms	0	0
Grok 4.20	3.0	10.0	0.0%	0		13.68s	197	6,620

Быстрое сравнение

Сменить пару сравнения

MiniMax M2.7mediumvsgpt-oss-120bnoneБесплатно доступно Gemma 4 31BnoneБесплатно доступноvsGrok 4.20medium Qwen3.5 Plus 2026-02-15nonevsGrok 4.20medium Grok 4.20mediumvsGLM 5none Claude Sonnet 4.6nonevsGrok 4.20medium Mistral Small 4mediumvsgpt-oss-120bnoneБесплатно доступно gpt-oss-120bnoneБесплатно доступноvsQwen3 Coder Nextmedium MiniMax M2.5mediumБесплатно доступноvsgpt-oss-120bnoneБесплатно доступно Grok 4.20mediumvsMiMo-V2-Omninone gpt-oss-120bnoneБесплатно доступноvsGLM 4.7 Flashmedium GPT-5.3 ChatnonevsGrok 4.20medium Grok 4.20mediumvsGLM 5V Turbonone