导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.5 vs OpenAI: gpt-oss-120b

摘要

GPT-5.5 vs gpt-oss-120b benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 6.7。 gpt-oss-120b benchmark 成本更低，为 $0.011 vs $0.907。 GPT-5.5 更快，为 9.76s vs 22.28s，通过率为 85.7% vs 52.4%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比gpt-oss-120b快约 2.3 倍。

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

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05 免费可用
分数 9.3 6.7
排名 #4 #81
可靠性 10.0 10.0
一致性 10.0 8.0
测试正确
尝试通过率 85.7% 52.4%
不稳定测试 0 5
总运行次数 63 63
每个结果成本 5.035 0.141
总成本 $0.907 $0.011
输入价格 $5.000 / 1M $0.030 / 1M
输出价格 $30.000 / 1M $0.150 / 1M
总输入令牌 34,209 39,084
输出令牌 2,046 20,013
推理令牌 22,460 50,233
响应时间（平均） 9.76s 22.28s
响应时间（最大） 56.19s 68.16s
响应时间（总计） 204.92s 311.96s

生成展示

Hamster playing table tennis

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

#4 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 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
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
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

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 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 3.5 FlashmediumvsGPT-5.5lowGemini 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 Flash PreviewmediumvsGPT-5.5lowGemini 3.5 Flashnonevsgpt-oss-120bmedium免费可用