AI BENCHY 对比

Nemotron 3 Ultra 550b A55b vs OpenAI: gpt-oss-120b

摘要

Nemotron 3 Ultra 550b A55b vs gpt-oss-120b benchmark 对比：Nemotron 3 Ultra 550b A55b 平均分领先，为 8.1 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.011 vs $0.158。 Nemotron 3 Ultra 550b A55b 更快，为 15.05s vs 22.28s，通过率为 69.8% vs 52.4%。

推荐模型: Nemotron 3 Ultra 550b A55b - 它在本次比较中得分最高（8.1），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 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 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数	8.1	6.7
排名	#26	#81
可靠性	9.7	10.0
一致性	8.8	8.0
测试正确
尝试通过率	69.8%	52.4%
不稳定测试	3	5
总运行次数	63	63
每个结果成本	0.000	0.141
总成本	$0.158	$0.011
输入价格	$0.500 / 1M	$0.030 / 1M
输出价格	$2.200 / 1M	$0.150 / 1M
总输入令牌	46,813	39,084
输出令牌	18,002	20,013
推理令牌	53,091	50,233
响应时间（平均）	15.05s	22.28s
响应时间（最大）	43.93s	68.16s
响应时间（总计）	316.09s	311.96s

生成展示

Hamster playing table tennis

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

#26 Nemotron 3 Ultra 550b A55b

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#81 gpt-oss-120b

medium

成本: $0.001
时间: 26.7s
令牌: 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 Ultra 550b A55b	10.0	10.0	100.0%	0		8.62s	780	835	1,485
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 Ultra 550b A55b	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725
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 Ultra 550b A55b	9.8	10.0	100.0%	0		43.93s	17,574	1,040	3,590
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 Ultra 550b A55b	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285
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 Ultra 550b A55b	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249
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 Ultra 550b A55b	3.7	9.5	0.0%	0		2.52s	360	70	235
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 Ultra 550b A55b	9.8	10.0	100.0%	0		6.35s	765	182	1,243
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 Ultra 550b A55b	5.5	9.9	33.3%	0		3.54s	792	771	2,055
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 Ultra 550b A55b	10.0	10.0	100.0%	0		7.72s	9,781	304	984
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 Ultra 550b A55b	3.0	10.0	0.0%	0		38.47s	228	304	8,240
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