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：: 2026-05-26
| 指标 | Seed-2.0-Lite Seed-2.0-Lite none | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.9 | 5.4 |
| 排名 | #100 | #119 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 38.6% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 98 | 133 |
| 每个结果成本 | 0.405 | 0.302 |
| 总成本 | $0.033 | $0.019 |
| ???? | $0.250 / 1M | $0.000 / 1M |
| ???? | $2.000 / 1M | $0.000 / 1M |
| 输出令牌 | 10,283 | 91,564 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.48s | 21.61s |
| 响应时间（最大） | 6.70s | 113.71s |
| 响应时间（总计） | 49.67s | 345.79s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 3.0 | 5.9 | 16.7% | 2 | 2.43s | 709 | 0 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 8,676 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 6.8 | 9.9 | 50.0% | 0 | 2.95s | 404 | 0 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 6.59s | 498 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 1.82s | 246 | 0 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 |
| 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 | 3.6 | 7.2 | 22.2% | 1 | 1.33s | 17 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 |
| 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 | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 5.06s | 10,870 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 5.3 | 7.2 | 44.4% | 1 | 2.78s | 7,739 | 0 | |
| gpt-oss-120b | 6.0 | 7.2 | 55.6% | 1 | 8.21s | 34,952 | 0 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 3.0 | 10.0 | 0.0% | 0 | 1.96s | 11 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Mistral Small 4mediumvsgpt-oss-120bnone免费可用Seed-2.0-LitenonevsOwl AlphamediumSeed-2.0-Litenonevsgpt-oss-120bmedium免费可用Seed-2.0-LitenonevsNemotron 3 Supermedium免费可用gpt-oss-120bnone免费可用vsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Cobuddymedium免费可用vsSeed-2.0-LitenoneSeed-2.0-LitenonevsGPT-5 NanomediumCobuddymedium免费可用vsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsOwl AlphamediumSeed-2.0-LitenonevsMiniMax M2.5medium免费可用