AI BENCHY 对比
ByteDance Seed: Seed-2.0-Lite vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Seed-2.0-Lite Seed-2.0-Lite none | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 排名 | #45 | #43 |
| 平均分 | 4.9 | 5.1 |
| 一致性 | 7.4 | 7.4 |
| 每个结果成本 | 0.214 | 0.135 |
| 总成本 | $0.015 | $0.010 |
| 测试正确 | ||
| 尝试通过率 | 56.3% | 54.2% |
| 不稳定测试 | 5 | 5 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 2,743 | 13,210 |
| 推理令牌 | 0 | 34,230 |
| 响应时间（平均） | 2.49s | 16.65s |
| 响应时间（最大） | 6.70s | 50.92s |
| 响应时间（总计） | 39.91s | 149.88s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 vs 总输出令牌
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 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 4.6 | 22.2% | 2 | 2.93s | 703 | 0 | |
| gpt-oss-120b | 7.0 | 9.8 | 66.7% | 0 | 19.76s | 3,463 | 2,077 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 0.0% | 0 | 6.59s | 498 | 0 | |
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| 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 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 9.9 | 10.0 | 100.0% | 0 | 1.82s | 246 | 0 | |
| gpt-oss-120b | 5.5 | 5.9 | 66.7% | 1 | 1.98s | 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 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 7.2 | 22.2% | 1 | 1.33s | 17 | 0 | |
| gpt-oss-120b | 10.0 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 3.45s | 294 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 1.06s | 73 | 0 | |
| gpt-oss-120b | 9.5 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 4.0 | 4.4 | 55.6% | 2 | 2.46s | 620 | 0 | |
| gpt-oss-120b | 1.7 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 3.94s | 292 | 0 | |
| gpt-oss-120b | 9.0 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
快速对比
切换对比组合
Seed-2.0-LitenonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneGemini 2.5 Flashnonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.5-Flashnonegpt-oss-120bmedium免费可用vsQwen3.5-27BnoneSeed-2.0-LitenonevsMiniMax M2.5mediumSeed-2.0-LitenonevsMercury 2mediumgpt-oss-120bmedium免费可用vsQwen3.5-35B-A3BnoneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsHunter AlphanoneSeed-2.0-LitenonevsQwen3.5-35B-A3BmediumSeed-2.0-LitenonevsGPT-5 Nanomedium