gpt-oss-120b (medium) vs GLM 5.3 FlashX (low)

已对比模型

推荐模型 gpt-oss-120b (medium)

它的得分接近这里的最高分（5.9 vs 6.0），同时成本比GLM 5.3 FlashX (low)低约 5.4 倍。

指标	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05	GLM 5.3 FlashX GLM 5.3 FlashX low 发布日期: 2026-09-21

指标	gpt-oss-120b gpt-oss-120b medium 发布日期: 2025-08-05	GLM 5.3 FlashX GLM 5.3 FlashX low 发布日期: 2026-09-21
分数	5.9	6.0
排名	#243	#238
可靠性	10.0	10.0
一致性	8.1	6.8
尝试次数	69/69	69/69
测试正确
尝试通过率	47.8%	63.8%
不稳定测试	5	9
总运行次数	69	69
每个结果成本	0.335	1.423
总成本	$0.030	$0.157
输入价格	$0.037 / 1M	$0.370 / 1M
输出价格	$0.170 / 1M	$1.250 / 1M
总输入令牌	285,293	277,028
输出令牌	29,565	11,965
推理令牌	89,266	31,238
响应时间（平均）	31.58s	9.69s
响应时间（最大）	203.90s	77.99s
响应时间（总计）	536.78s	222.83s
参数量	117B 总计 (5.1B 激活)	320B 总计 (18B 激活)
开放状态	开源	闭源

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

medium

low

类别:

智能体任务	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-oss-120b	5.0	10.0	0.0%	0		203.90s	176,526	187	20,362
GLM 5.3 FlashX	4.7	3.1	33.3%	1		77.99s	159,703	1,471	4,696

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-oss-120b	6.7	9.9	50.0%	0		10.21s	1,314	3,518	2,177
GLM 5.3 FlashX	8.2	7.9	83.3%	1		1.56s	639	278	353

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-oss-120b	5.9	7.0	55.6%	1		38.37s	7,782	3,365	11,973
GLM 5.3 FlashX	5.5	7.4	44.4%	1		5.45s	7,317	382	4,760

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-oss-120b	6.5	10.0	50.0%	0		23.96s	81,198	10,453	22,883
GLM 5.3 FlashX	2.8	1.6	33.3%	2		42.40s	92,545	8,581	18,553

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-oss-120b	6.4	5.9	66.7%	1		1.98s	7,476	241	1,114
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.59s	7,149	210	81

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-oss-120b	2.9	4.4	22.2%	2		27.55s	1,286	6,390	21,466
GLM 5.3 FlashX	3.5	4.4	33.3%	2		3.87s	759	36	2,040

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-oss-120b	4.3	10.0	0.0%	0		7.90s	659	107	387
GLM 5.3 FlashX	4.7	1.6	66.7%	1		2.07s	498	137	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
gpt-oss-120b	9.9	10.0	100.0%	0		7.63s	1,036	126	1,799
GLM 5.3 FlashX	10.0	10.0	100.0%	0		1.34s	678	72	84

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-oss-120b	5.3	7.2	44.4%	1		21.71s	1,190	1,790	2,264
GLM 5.3 FlashX	7.7	7.3	77.8%	1		1.89s	672	460	336

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-oss-120b	9.8	10.0	100.0%	0		6.91s	6,514	287	1,083
GLM 5.3 FlashX	10.0	10.0	100.0%	0		9.52s	6,861	231	20

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-oss-120b	3.0	10.0	0.0%	0		26.51s	312	3,101	3,758
GLM 5.3 FlashX	3.0	10.0	0.0%	0		2.69s	207	107	315

切换对比组合