#112

gpt-oss-120b

OpenAI Релиз: 2025-08-05 Проверено: 2026-05-22 00:18 openai/gpt-oss-120b::medium

(medium) (none)

Сводка

gpt-oss-120b набирает 5.6 в AI BENCHY и занимает #112. У модели надежность 10.0, доля успешных попыток 46.7%, общая стоимость $0.012 и среднее время ответа 20.89s.

Что делает gpt-oss-120b особенной: Сильнее всего модель выделяется в Комбинированный, где занимает #1; самая слабая область — Парсинг и извлечение данных с #11. Общая стоимость benchmark необычно низкая для такого уровня результата. Она использует необычно много reasoning-токенов, что может объяснять более медленные или дорогие запуски.

Оценка

5.6

Стабильность

7.5

Надежность

10.0

Общая стоимость (текущая цена)

$0.012

Общее число выходных токенов

63,919

Общее число входных токенов

Цена входа

$0.000 / 1M

Цена выхода

$0.000 / 1M

Тестов верно

Ошибочных тестов: 13

Доля успешных попыток: 46.7%

Нестабильные тесты

Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).

Время ответа (среднее)

20.89s

Время ответа (макс.): 68.16s

Время ответа (суммарно): 271.54s

Неверный ответ: 9 Не соблюдены инструкции: 4

Генерация showcase

Hamster playing table tennis

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

#112 gpt-oss-120b

medium

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

История запусков

Проверено	Оценка	Надежность	Общая стоимость	Сравнить
2026-06-04 13:44 Добавлен новый тест	6.1	10.0	$0.013 ↓	Сравнить
2026-05-22 00:18 Набор изменён	5.6	10.0	$0.012	Текущий запуск
2026-04-21 12:42 Первый зафиксированный запуск	5.8	Н/Д	$0.011	Сравнить

Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.

Сравнение запусков

Запуск	Оценка	Стабильность	Надежность	Тестов верно	Нестабильные тесты	Общее число выходных токенов	Общее число входных токенов	Общая стоимость	Время ответа (среднее)
2026-05-22 00:18 · Набор изменён	5.6	7.5	10.0	7/20	6	63,919	0	$0.012	20.89s
2026-06-04 13:44 · Добавлен новый тест	6.1	8.0	10.0	9/21	5	70,246	39,084	$0.013	22.28s
Разница	-0.5	-0.5	0.0	-2	+1	-6327	-39084	-$0.001	-1395ms

Эти два запуска использовали разные наборы бенчмарков, поэтому различия отражают и изменения модели, и изменения набора.

Графики

Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Быстрое сравнение

Разбивка по категориям

Категория	Оценка	Стабильность
Анти-ИИ уловки	6.7	9.9
Программирование	3.9	5.6
Комбинированный	10.0	10.0
Парсинг и извлечение данных	6.4	5.9
Предметно-ориентированное	2.9	4.4
Общий интеллект	4.3	10.0
Следование инструкциям	9.9	10.0
Решение головоломок	3.2	4.7
Вызов инструментов	9.8	10.0
Эрудиция	3.0	10.0

gpt-oss-120b

Hamster playing table tennis

#112 gpt-oss-120b

Графики

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

Быстрое сравнение

Разбивка по категориям

Сравниваемые модели