AI BENCHY 对比

ByteDance Seed: Seed-2.0-Lite vs OpenAI: gpt-oss-120b

摘要

Seed-2.0-Lite vs gpt-oss-120b benchmark 对比：gpt-oss-120b 平均分领先，为 6.1 vs 5.8。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.019。 Seed-2.0-Lite 更快，为 2.49s vs 22.28s，通过率为 46.0% vs 52.4%。

推荐模型: Seed-2.0-Lite - 它的得分接近这里的最高分（5.8 vs 6.1），同时响应速度比gpt-oss-120b快约 9.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-10

指标	Seed-2.0-Lite Seed-2.0-Lite none 发布日期: 2026-02-14	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用

指标	Seed-2.0-Lite Seed-2.0-Lite none 发布日期: 2026-02-14	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数	5.8	6.1
排名	#111	#100
可靠性	10.0	10.0
一致性	8.4	8.0
测试正确
尝试通过率	46.0%	52.4%
不稳定测试	4	5
总运行次数	63	63
每个结果成本	0.228	0.141
总成本	$0.019	$0.013
输入价格	$0.250 / 1M	$0.039 / 1M
输出价格	$2.000 / 1M	$0.180 / 1M
总输入令牌	46,573	39,084
输出令牌	3,259	20,013
推理令牌	0	50,233
响应时间（平均）	2.49s	22.28s
响应时间（最大）	6.70s	68.16s
响应时间（总计）	52.26s	311.96s

Generation showcase

Hamster playing table tennis

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

#111 Seed-2.0-Lite

none

Cost: $0.005
Time: 83.8s
Tokens: 2,311 tok

#100 gpt-oss-120b

medium

Cost: $0.001
Time: 26.7s
Tokens: 555 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	3.0	5.9	16.7%	2		2.43s	894	709	0
gpt-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177

编程	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	5.6	10.0	33.3%	0		2.83s	8,215	410	0
gpt-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973

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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	3.0	10.0	0.0%	0		6.59s	16,215	498	0
gpt-oss-120b	10.0	10.0	100.0%	0		31.18s	11,535	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	10.0	10.0	100.0%	0		1.82s	8,538	246	0
gpt-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	3.6	7.2	22.2%	1		1.33s	939	17	0
gpt-oss-120b	2.9	4.4	22.2%	2		50.92s	1,266	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	10.0	10.0	100.0%	0		3.45s	570	294	0
gpt-oss-120b	4.3	10.0	0.0%	0		7.90s	659	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	10.0	10.0	100.0%	0		1.06s	810	73	0
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799

谜题求解	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	5.3	7.2	44.4%	1		2.78s	858	709	0
gpt-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264

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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	10.0	10.0	100.0%	0		3.94s	9,270	292	0
gpt-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083

常识问答	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）	输入令牌	输出令牌	推理令牌
Seed-2.0-Lite	3.0	10.0	0.0%	0		1.96s	264	11	0
gpt-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758

快速对比

切换对比组合