摘要
gpt-oss-120b 在 AI BENCHY 上得分 5.2，排名 #91。它的可靠性为 不适用，通过率为 38.9%，总成本为 $0.009，平均响应时间为 11.96s。
gpt-oss-120b 的独特之处： 在这个得分水平下，它的 benchmark 总成本异常低。
输入价格
$0.000 / 1M
输出价格
$0.000 / 1M
不稳定测试
5
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）。
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 | 5.4 | 10.0 | $0.010 ↓ | 比较 | |
| 2026-04-21 12:42 首次记录的运行 | 5.2 | 不适用 | $0.009 | 当前轮次 |
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-21 12:42 · 首次记录的运行 | 5.2 | 7.9 | 不适用 | 4/18 | 5 | 44,652 | 0 | $0.009 | 11.96s |
| 2026-05-08 15:31 · 测试集已变更 | 5.4 | 9.1 | 10.0 | 6/19 | 2 | 51,664 | 9,081 | $0.010 | 21.61s |
| 差值 | -0.2 | -1.2 | -2 | +3 | -7012 | -9081 | -$0.001 | -9656ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
gpt-oss-120bnone免费可用vsQwen3.6 35B A3Bnonegpt-oss-120bnone免费可用vsQwen3 Coder Nextnonegpt-oss-120bnone免费可用vsMiniMax M2.7mediumgpt-oss-120bnone免费可用vsNorth Mini Codenone免费可用gpt-oss-120bnone免费可用vsDeepSeek V3.2nonegpt-oss-120bnone免费可用vsGemini 3.5 Flashhighgpt-oss-120bnone免费可用vsGemini 3 Flash Previewmediumgpt-oss-120bnone免费可用vsNemotron 3 Ultra 550b A55bmedium免费可用gpt-oss-120bnone免费可用vsGPT-5.5low