gpt-oss-120b

OpenAI · 发布于 2025-08-05

评分规则

编程、科研、专业办公、知识问答证据不足

综合评分-10.8未进入主榜 · 覆盖 8%评测较少（2/18）

编程-10.8未进入分榜 · 覆盖 0%评测较少（0/4）

专业办公-10.8未进入分榜 · 覆盖 0%评测较少（0/4）

知识问答-10.8未进入分榜 · 覆盖 0%评测较少（0/3）

科研-10.8未进入分榜 · 覆盖 17%评测较少（1/6）单一机构

上下文窗口

128,000 token

API 价格

缓存 — · 输入 ¥1 · 输出 ¥4.01

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

2 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-08-27；另有 1 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（2）

gpt-oss-120b_high
gpt-oss-120b

缺少实测的领域：编程、专业办公、知识问答。本站在综合分中按模型的整体能力估计这些领域，不等于已经测过。

编程

-10.8

暂无该领域实测记录；如有显示分数，它来自整体能力估计。

科研

-10.8

Mystery Game PuzzlesEpoch AI0.00%统一读数 ≤23.9

来源: Mystery Game Puzzles
上游型号: gpt-oss-120b_high
运行配置: gpt-oss-120b_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入
仅提供能力上限，不作为精确读数。

专业办公

-10.8

暂无该领域实测记录；如有显示分数，它来自整体能力估计。

知识问答

-10.8

暂无该领域实测记录；如有显示分数，它来自整体能力估计。

真人偏好

-10.8

Arena Text · 风格控制Arena1351.76 Elo统一读数 -10.8

来源: Arena Text · 风格控制
上游型号: gpt-oss-120b
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（16）

FrontierMath T1–3 v2、Chess Puzzles、SimpleQA Verified、LiveBench Coding、LiveBench Reasoning、LiveBench Data Analysis、LiveBench Language、LiveBench IF、Terminal-Bench 4.0、Code Migration、Vibe Code Bench v1.1、MysteryMechanism、Terminal-Bench-Science、Finance Agent (v2)、Harvey's Legal Agent Benchmark、MedCode

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。