AI BENCHY 对比
OpenAI: GPT-5 Nano vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | GPT-5 Nano GPT-5 Nano medium | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 6.2 | 5.7 |
| 排名 | #90 | #106 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.0 | 7.4 |
| 测试正确 | ||
| 尝试通过率 | 57.9% | 49.1% |
| 不稳定测试 | 7 | 6 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.856 | 0.152 |
| 总成本 | $0.069 | $0.011 |
| ???? | $0.050 / 1M | $0.000 / 1M |
| ???? | $0.400 / 1M | $0.000 / 1M |
| 输出令牌 | 5,214 | 16,594 |
| 推理令牌 | 162,432 | 40,637 |
| 响应时间（平均） | 42.13s | 16.95s |
| 响应时间（最大） | 204.02s | 50.92s |
| 响应时间（总计） | 505.59s | 203.39s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 6.5 | 7.9 | 58.3% | 1 | 25.50s | 1,221 | 21,184 | |
| gpt-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 6.7 | 3.5 | 66.7% | 1 | 40.73s | 480 | 12,992 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 26.33s | 228 | 2,549 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 65.96s | 578 | 17,984 | |
| gpt-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 3.7 | 1.7 | 50.0% | 2 | 21.42s | 453 | 10,560 | |
| gpt-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 5.2 | 4.4 | 55.6% | 2 | 204.02s | 237 | 64,448 | |
| gpt-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 4.1 | 10.0 | 0.0% | 0 | 17.51s | 202 | 4,608 | |
| gpt-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 9.8 | 10.0 | 100.0% | 0 | 11.90s | 382 | 4,096 | |
| gpt-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 5.3 | 7.2 | 44.4% | 1 | 19.81s | 869 | 13,440 | |
| gpt-oss-120b | 3.2 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 10.0 | 10.0 | 100.0% | 0 | 33.30s | 558 | 6,976 | |
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5 Nano | 3.0 | 10.0 | 0.0% | 0 | 20.13s | 234 | 6,144 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 3,101 | 3,758 |
快速对比
切换对比组合
Gemma 4 26B A4Bnone免费可用vsGPT-5 NanomediumKimi K2.6nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsGLM 5.1noneGemini 2.5 FlashnonevsGPT-5 Nanomediumgpt-oss-120bmedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bmedium免费可用vsGLM 4.7 FlashnoneGPT-5 NanomediumvsMiMo-V2-OmninoneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V4 PrononevsGPT-5 Nanomediumgpt-oss-120bmedium免费可用vsOwl Alphanonegpt-oss-120bmedium免费可用vsQwen3.6 Flashnonegpt-oss-120bmedium免费可用vsQwen3.6 27Bnone