导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.4 vs OpenAI: gpt-oss-120b

摘要

GPT-5.4 vs gpt-oss-120b benchmark 对比：gpt-oss-120b 平均分领先，为 6.7 vs 5.8。 gpt-oss-120b benchmark 成本更低，为 $0.013 vs $0.122。 GPT-5.4 更快，为 1.42s vs 22.28s，通过率为 36.5% vs 52.4%。

推荐模型: gpt-oss-120b - 它在这里得分最高（6.7），同时成本比GPT-5.4低约 10.0 倍。

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

指标 GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数 5.8 6.7
排名 #112 #78
可靠性 10.0 10.0
一致性 9.2 8.0
测试正确
尝试通过率 36.5% 52.4%
不稳定测试 2 5
总运行次数 63 63
每个结果成本 1.740 0.141
总成本 $0.122 $0.013
输入价格 $2.500 / 1M $0.039 / 1M
输出价格 $15.000 / 1M $0.180 / 1M
总输入令牌 34,212 39,084
输出令牌 2,417 20,013
推理令牌 0 50,233
响应时间（平均） 1.42s 22.28s
响应时间（最大） 2.95s 68.16s
响应时间（总计） 29.87s 311.96s

生成展示

Hamster playing table tennis

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

#112 GPT-5.4

none
成本
$0.026
时间
18.1s
令牌
1,792 tok

#78 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
GPT-5.4 3.2 8.0 8.3% 1 1.21s 606 406 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
GPT-5.4 5.5 10.0 33.3% 0 1.62s 7,305 516 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
GPT-5.4 3.0 10.0 0.0% 0 2.89s 11,019 291 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
GPT-5.4 10.0 10.0 100.0% 0 1.04s 7,140 222 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
GPT-5.4 5.3 7.2 44.4% 1 1.07s 723 50 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
GPT-5.4 4.4 9.9 0.0% 0 1.78s 477 184 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
GPT-5.4 6.5 10.0 50.0% 0 1.07s 660 81 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
GPT-5.4 5.6 9.8 33.3% 0 1.44s 642 381 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
GPT-5.4 10.0 10.0 100.0% 0 2.75s 5,445 246 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
GPT-5.4 3.0 10.0 0.0% 0 990ms 195 40 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

North Mini Codemedium免费可用vsGPT-5.4noneGemini 3.5 Flashminimalvsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsQwen3.7 MaxnoneGemini 3.1 Flash Lite Previewlowvsgpt-oss-120bmedium免费可用Gemini 3 Flash Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Lite Previewnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash Litelowvsgpt-oss-120bmedium免费可用Gemini 3.5 Flashnonevsgpt-oss-120bmedium免费可用Gemini 3.1 Flash LiteminimalvsGPT-5.4nonegpt-oss-120bmedium免费可用vsStep 3.7 Flashhighgpt-oss-120bmedium免费可用vsGLM 5.2nonegpt-oss-120bmedium免费可用vsQwen3.7 Plusnone