AI BENCHY
Advertise here

#129

gpt-oss-120b

OpenAI 发布日期: 2025-08-05 测试于: 2026-05-08 15:31 openai/gpt-oss-120b::none
(medium) (none)

分数

5.2

一致性

8.7

可靠性

10.0

总成本

$0.011

总输出令牌

51,505

????

$0.000 / 1M

????

$0.000 / 1M

测试正确

错误测试数: 14

尝试通过率: 36.8%

不稳定测试

3

不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。

响应时间（平均）

21.86s

响应时间（最大）: 113.71s

响应时间（总计）: 349.78s

答案错误: 8 API 错误: 3 未遵循指令: 3

测试历史

测试于 分数 可靠性 测试正确 总成本 比较
2026-05-08 15:31 测试集已变更 5.2 10.0 $0.011 当前轮次
2026-04-21 12:42 首次记录的运行 5.2 不适用 $0.009 比较

此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。

图表

先选择第一个模型，再点击第二个模型打开并排页面。

总输出令牌

分数 vs 总输出令牌

快速对比

gpt-oss-120bnone免费可用vsGLM 4.7 Flashnonegpt-oss-120bnone免费可用vsgpt-oss-120bmedium免费可用gpt-oss-120bnone免费可用vsGPT-5.4nonegpt-oss-120bnone免费可用vsMiMo-V2-Prononegpt-oss-120bnone免费可用vsGLM 5.1nonegpt-oss-120bnone免费可用vsGemini 3 Flash Previewmediumgpt-oss-120bnone免费可用vsGemini 3.5 Flashhighgpt-oss-120bnone免费可用vsRing-2.6-1Tmediumgpt-oss-120bnone免费可用vsGemini 3.5 Flashlow

类别细分

类别 分数 一致性 测试正确
反AI技巧 6.5 10.0
编程 4.3 1.1
综合 3.0 10.0
数据解析与提取 6.5 10.0
领域专项 3.0 10.0
通用智能 4.8 10.0
指令遵循 9.8 10.0
谜题求解 4.4 4.5
工具调用 3.0 10.0
常识问答 3.0 10.0

已对比模型