导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: gpt-oss-120b

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 Anthropic: Claude Sonnet 4.6 medium 发布日期: 发布日期未知 OpenAI: gpt-oss-120b medium 发布日期: 发布日期未知 免费可用
排名 #8 #25
分数 7.43 5.64
一致性 9.40 7.55
每个结果成本 8.105 0.101
总成本 $0.811 $0.008
测试正确
错误测试数 4 7
尝试通过率 73.8% 59.5%
不稳定测试 1 4
输出令牌 29,098 11,407
推理令牌 20,435 26,106

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 7.00 10.00 66.7% 0 1,031 1,093
OpenAI: gpt-oss-120b 7.00 9.81 66.7% 0 3,463 2,077
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 727 907
OpenAI: gpt-oss-120b 5.50 5.87 66.7% 1 241 1,114
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 1.00 7.21 11.1% 1 25,790 16,919
OpenAI: gpt-oss-120b 1.00 4.41 22.2% 2 6,018 18,520
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 316 523
OpenAI: gpt-oss-120b 10.00 10.00 100.0% 0 120 1,770
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 579 642
OpenAI: gpt-oss-120b 5.00 7.13 44.4% 1 1,278 1,542
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 655 351
OpenAI: gpt-oss-120b 9.00 9.97 100.0% 0 287 1,083

切换对比组合

将 Anthropic: Claude Sonnet 4.6 与...对比

将 OpenAI: gpt-oss-120b 与...对比