OpenAI: gpt-oss-120b

基准结果生成自 Aibenchy 测试套件，时间： : 2026年2月19日

类别细分

类别	完全通过的测试	Score	一致性	尝试通过率	不稳定测试	推理得分	成本
Anti-AI Tricks	2/2	10.00	10.00	100.0%	0	10.00	$0.00029
Data parsing and extraction	1/2	5.50	5.81	83.3%	1	10.00	$0.00052
Domain specific	0/3	1.00	4.41	22.2%	2	8.53	$0.00393
Instructions following	2/2	10.00	10.00	100.0%	0	9.50	$0.00040
Puzzle Solving	1/3	5.00	7.13	44.4%	1	7.89	$0.00059

将 OpenAI: gpt-oss-120b 与...对比

#11 · OpenAI

推理（medium）

Score: 5.92

一致性: 6.03

尝试通过率: 72.2%

不稳定测试: 6

每个结果成本: 0.4675

测试正确: 6/12

总成本: $0.02806

#13 · Anthropic

无推理

Score: 5.75

一致性: 9.42

尝试通过率: 52.8%

不稳定测试: 1

每个结果成本: 0.9480

测试正确: 6/12

总成本: $0.05688

#10 · Google

无推理

Score: 6.25

一致性: 8.60

尝试通过率: 66.7%

不稳定测试: 2

每个结果成本: 0.0754

测试正确: 7/12

总成本: $0.00528

将 OpenAI: gpt-oss-120b 与...对比