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 6.1 vs 4.0。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.027。 Nemotron 3 Ultra 550b A55b 更快，为 2.27s vs 21.61s，通过率为 44.4% vs 34.9%。

推荐模型: Nemotron 3 Ultra 550b A55b - 它在这里得分最高（6.1），同时响应速度比gpt-oss-120b快约 9.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b none 发布日期: 2026-06-04 免费可用	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用

指标	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b none 发布日期: 2026-06-04 免费可用	gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用
分数	6.1	4.0
排名	#99	#164
可靠性	10.0	10.0
一致性	9.2	8.2
测试正确
尝试通过率	44.4%	34.9%
不稳定测试	2	2
总运行次数	63	57
每个结果成本	0.000	0.168
总成本	$0.027	$0.010
输入价格	$0.500 / 1M	$0.039 / 1M
输出价格	$2.200 / 1M	$0.180 / 1M
总输入令牌	43,326	9,081
输出令牌	2,138	51,664
推理令牌	0	0
响应时间（平均）	2.27s	21.61s
响应时间（最大）	13.49s	113.71s
响应时间（总计）	47.65s	345.79s

生成展示

Hamster playing table tennis

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

#99 Nemotron 3 Ultra 550b A55b

none

成本: $0.000
时间: 149.6s
令牌: 3,405 tok

#164 gpt-oss-120b

none

此模型尚未生成任何展示结果。

成本: $0.000
时间: -
令牌: 0 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	3.5	8.0	16.7%	1		2.35s	696	239	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
Nemotron 3 Ultra 550b A55b	5.5	10.0	33.3%	0		1.02s	7,623	369	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
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		4.79s	15,558	357	0
gpt-oss-120b	3.0	10.0	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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		1.94s	7,944	249	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
Nemotron 3 Ultra 550b A55b	5.3	10.0	33.3%	0		698ms	789	27	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
Nemotron 3 Ultra 550b A55b	5.0	10.0	0.0%	0		13.49s	516	101	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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		1.46s	723	69	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
Nemotron 3 Ultra 550b A55b	5.9	7.2	55.6%	1		1.06s	726	352	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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		2.99s	8,544	264	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
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		1.83s	207	111	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