#112 gpt-oss-120b
medium- لاگت
- $0.001
- وقت
- 26.7s
- ٹوکنز
- 555 tok
خلاصہ
gpt-oss-120b AI BENCHY پر 5.6 اسکور کرتا ہے اور #112 پر ہے۔ اس کی reliability 10.0، pass rate 46.7%، کل لاگت $0.012، اور اوسط response time 20.89s ہے۔
gpt-oss-120b کو منفرد کیا بناتا ہے: یہ مشترکہ میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ ڈیٹا پارسنگ اور استخراج اس کا کمزور ترین حصہ ہے، rank #11. اس score range کے لیے اس کی کل benchmark لاگت غیر معمولی طور پر کم ہے۔ یہ غیر معمولی طور پر زیادہ reasoning tokens استعمال کرتا ہے، جو سست یا مہنگے runs کی وجہ ہو سکتی ہے۔
5.6
تسلسل
7.5
10.0
$0.012
کل آؤٹ پٹ ٹوکنز
63,919
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.000 / 1M
آؤٹ پٹ قیمت
$0.000 / 1M
غیر مستحکم ٹیسٹ
6
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
جنریشن شوکیس
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-06-04 13:44 نیا ٹیسٹ شامل ہوا | 6.1 | 10.0 | $0.013 ↓ | موازنہ کریں | |
| 2026-05-22 00:18 سوٹ بدل گیا | 5.6 | 10.0 | $0.012 | موجودہ رن | |
| 2026-04-21 12:42 پہلا ریکارڈ شدہ رن | 5.8 | دستیاب نہیں | $0.011 | موازنہ کریں |
اس رن میں مختلف بینچ مارک سوٹ استعمال ہوا تھا۔ تاریخی تبدیلی سمجھتے وقت سوٹ کی تبدیلی کو بھی ذہن میں رکھیں۔
رن موازنہ
| رن | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:18 · سوٹ بدل گیا | 5.6 | 7.5 | 10.0 | 7/20 | 6 | 63,919 | 0 | $0.012 | 20.89s |
| 2026-06-04 13:44 · نیا ٹیسٹ شامل ہوا | 6.1 | 8.0 | 10.0 | 9/21 | 5 | 70,246 | 39,084 | $0.013 | 22.28s |
| فرق | -0.5 | -0.5 | 0.0 | -2 | +1 | -6327 | -39084 | -$0.001 | -1395ms |
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
فوری موازنہ
gpt-oss-120bmediumمفت دستیابvsQwen3.7 Maxnonegpt-oss-120bmediumمفت دستیابvsQwen3.5-Flashmediumgpt-oss-120bmediumمفت دستیابvsGemini 3 Flash Previewnonegpt-oss-120bmediumمفت دستیابvsGemini 3.5 Flashminimalgpt-oss-120bmediumمفت دستیابvsGemini 3.5 Flashnonegpt-oss-120bmediumمفت دستیابvsRing-2.6-1Tmediumgpt-oss-120bmediumمفت دستیابvsGemini 3.5 Flashhighgpt-oss-120bmediumمفت دستیابvsGemini 3 Flash Previewmediumgpt-oss-120bmediumمفت دستیابvsNemotron 3 Ultra 550b A55bmediumمفت دستیابgpt-oss-120bmediumمفت دستیابvsGPT-5.5low
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 6.7 | 9.9 | |
| کوڈنگ | 3.9 | 5.6 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 6.4 | 5.9 | |
| ڈومین مخصوص | 2.9 | 4.4 | |
| عمومی ذہانت | 4.3 | 10.0 | |
| ہدایات کی پیروی | 9.9 | 10.0 | |
| پہیلی حل کرنا | 3.2 | 4.7 | |
| ٹول کالنگ | 9.8 | 10.0 | |
| معلومات عامہ | 3.0 | 10.0 |