- 排名
- #366
- 总输出令牌
- 28,061
- 响应时间（平均）
- 5.63s
- 总成本
- $0.002
Kev 4B vs gpt-oss-120b
gpt-oss-120b 平均分领先，为 3.7 vs 3.0。 Kev 4B benchmark 成本更低，为 $0.002 vs $0.033。 Kev 4B 更快，为 5.63s vs 21.61s，通过率为 16.7% vs 33.3%。
已对比模型
- 排名
- #358
- 总输出令牌
- 51,664
- 响应时间（平均）
- 21.61s
- 总成本
- $0.033
推荐模型
gpt-oss-120b
它在本次比较中得分最高（3.7），并且在全部 2 个模型中兼顾成本和响应时间最好。
详细对比
| 指标 | Kev 4B Kev 4B none | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 3.0 | 3.7 |
| 排名 | #366 | #358 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 5.1 | 7.8 |
| 尝试次数 | 36/66 | 57/66 |
| 测试正确 | ||
| 尝试通过率 | 16.7% | 33.3% |
| 不稳定测试 | 1 | 2 |
| 总运行次数 | 36 | 57 |
| 每个结果成本 | 0.060 | 0.168 |
| 总成本 | $0.002 | $0.033 |
| 输入价格 | $0.042 / 1M | $0.150 / 1M |
| 输出价格 | $0.000 / 1M | $0.600 / 1M |
| 总输入令牌 | 42,804 | 9,081 |
| 输出令牌 | 28,061 | 51,664 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 5.63s | 21.61s |
| 响应时间（最大） | 17.79s | 113.71s |
| 响应时间（总计） | 67.61s | 345.79s |
| 参数量 | 4B | 117B 总计 (5.1B 激活) |
| 开放状态 | 开源 | 开源 |
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 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 2.3 | 7.5 | 0.0% | 0 | 3.65s | 5,364 | 7,514 | 0 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 1,336 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 4.5 | 6.7 | 33.3% | 0 | 771ms | 21,603 | 12,207 | 0 | |
| gpt-oss-120b | 1.5 | 4.0 | 22.2% | 1 | 9.57s | 901 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| gpt-oss-120b | 1.5 | 5.0 | 0.0% | 0 | 0ms | 0 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 6.5 | 10.0 | 50.0% | 0 | 9.09s | 11,010 | 3,573 | 0 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 2,421 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 5.3 | 10.0 | 33.3% | 0 | 6.34s | 2,178 | 1,905 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 1,294 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 584 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 1.5 | 5.0 | 0.0% | 0 | 17.27s | 2,316 | 2,688 | 0 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.06s | 1,043 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 2.0 | 10.0 | 22.2% | 1 | 646ms | 333 | 174 | 0 | |
| gpt-oss-120b | 6.0 | 7.2 | 55.6% | 1 | 8.21s | 1,188 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Kev 4B | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 314 | 3,138 | 0 |
快速对比
切换对比组合
Ling 3.0 Tinymediumvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsQwen3.5-9BmediumCommand A+mediumvsKev 4BnoneCommand A+lowvsKev 4BnoneCommand A+highvsKev 4BnoneLing 3.0 Tinylowvsgpt-oss-120bnone免费可用Ling 3.0 Tinyhighvsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsGLM 4.7 FlashmediumCommand A+highvsgpt-oss-120bnone免费可用Command A+lowvsgpt-oss-120bnone免费可用Command A+mediumvsgpt-oss-120bnone免费可用Ling 3.0 TinymediumvsKev 4Bnone