AI BENCHY 对比

NVIDIA: Nemotron 3 Super vs OpenAI: gpt-oss-120b

摘要

Nemotron 3 Super vs gpt-oss-120b benchmark 对比：gpt-oss-120b 平均分领先，为 6.1 vs 4.9。 Nemotron 3 Super benchmark 成本更低，为 $0.007 vs $0.013。 Nemotron 3 Super 更快，为 5.30s vs 22.28s，通过率为 31.8% vs 52.4%。

推荐模型: Nemotron 3 Super - 它提供了最佳整体取舍：得分有竞争力（4.9），成本低于gpt-oss-120b，响应时间也较均衡。

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

指标	Nemotron 3 Super Nemotron 3 Super none 发布日期: 2026-03-11 免费可用	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用

指标	Nemotron 3 Super Nemotron 3 Super none 发布日期: 2026-03-11 免费可用	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数	4.9	6.1
排名	#142	#100
可靠性	10.0	10.0
一致性	8.8	8.0
测试正确
尝试通过率	31.8%	52.4%
不稳定测试	3	5
总运行次数	63	63
每个结果成本	0.034	0.141
总成本	$0.007	$0.013
输入价格	$0.090 / 1M	$0.039 / 1M
输出价格	$0.450 / 1M	$0.180 / 1M
总输入令牌	36,456	39,084
输出令牌	6,195	20,013
推理令牌	0	50,233
响应时间（平均）	5.30s	22.28s
响应时间（最大）	16.45s	68.16s
响应时间（总计）	111.31s	311.96s

Generation showcase

Hamster playing table tennis

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

#142 Nemotron 3 Super

none

No showcase result has been generated for this model yet.

Cost: $0.000
Time: -
Tokens: 0 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
Nemotron 3 Super	4.8	10.0	25.0%	0		4.46s	671	2,322	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
Nemotron 3 Super	3.3	7.2	11.1%	1		2.64s	7,627	571	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
Nemotron 3 Super	3.0	10.0	0.0%	0		16.45s	8,740	617	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
Nemotron 3 Super	10.0	10.0	100.0%	0		7.92s	7,944	249	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
Nemotron 3 Super	3.6	7.2	22.2%	1		6.23s	789	26	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
Nemotron 3 Super	4.6	10.0	0.0%	0		950ms	500	134	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
Nemotron 3 Super	6.3	10.0	50.0%	0		804ms	723	66	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
Nemotron 3 Super	5.5	10.0	33.3%	0		2.36s	714	1,125	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
Nemotron 3 Super	4.7	1.6	66.7%	1		16.00s	8,541	281	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
Nemotron 3 Super	3.0	10.0	0.0%	0		8.94s	207	804	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