AI BENCHY 对比
IBM: Granite 4.1 8B vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-29
| 指标 | Granite 4.1 8B Granite 4.1 8B none | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 4.1 | 5.4 |
| 排名 | #158 | #124 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 10.0% | 38.6% |
| 不稳定测试 | 0 | 2 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 0.122 | 0.168 |
| 总成本 | $0.003 | $0.011 |
| 输入价格 | $0.050 / 1M | $0.039 / 1M |
| 输出价格 | $0.100 / 1M | $0.180 / 1M |
| 输出令牌 | 2,743 | 51,664 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 719ms | 21.61s |
| 响应时间（最大） | 2.17s | 113.71s |
| 响应时间（总计） | 14.37s | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 4.9 | 10.0 | 25.0% | 0 | 844ms | 903 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 5.2 | 10.0 | 0.0% | 0 | 706ms | 357 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 1.88s | 396 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 575ms | 195 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 357ms | 24 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 4.0 | 10.0 | 0.0% | 0 | 499ms | 115 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.6 | 9.9 | 0.0% | 0 | 344ms | 66 | 0 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.06s | 1,940 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.2 | 10.0 | 0.0% | 0 | 608ms | 432 | 0 | |
| gpt-oss-120b | 6.0 | 7.2 | 55.6% | 1 | 8.21s | 3,982 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 10.0 | 10.0 | 100.0% | 0 | 2.17s | 243 | 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 |
|---|---|---|---|---|---|---|---|---|
| Granite 4.1 8B | 3.0 | 10.0 | 0.0% | 0 | 306ms | 12 | 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gpt-oss-120bnone免费可用vsElephant AlphamediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Granite 4.1 8BnonevsQwen3.5-9BmediumCobuddymediumvsgpt-oss-120bnone免费可用Granite 4.1 8BnonevsGLM 4.7 Flashmediumgpt-oss-120bnone免费可用vsOwl AlphamediumNemotron 3 Supermedium免费可用vsgpt-oss-120bnone免费可用Granite 4.1 8BnonevsQwen3 Coder Nextmediumgpt-oss-120bnone免费可用vsQwen3 Coder Nextmediumgpt-oss-120bnone免费可用vsGLM 4.7 Flashmedium