Stima delle capacità basata su più benchmark. Punti di indice, non una percentuale; gli intervalli mostrano l’incertezza.
120160
GPT OSS 120B
gpt-oss-120b · Intervallo 95% 135,6–142,2
Preferenze umane · Arena
Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
13501380
GPT OSS 120B
gpt-oss-120b · Intervallo 95% 1361,1–1369,8 · 30,200 voti · 2026-10-28
Prestazioni dei modelli
Punteggio Radar: quattro test, peso uguale. Una sintesi sperimentale di queste prove, non una misura universale di intelligenza.
GPT OSS 120B
Punteggio Radar
/ 100
1/4 test principali · prove insufficienti
1 risultati di benchmark per questa configurazione
Ragionamento scientifico
GPQA Diamond · 25%
Domande scientifiche di esperti; correzione rigorosa a scelta multipla. Il caso vale il 25%.
050100%
GPT OSS 120BNon disponibile
Soluzione di problemi nuovi
Mystery Game Puzzles · 25%
Scelta della mossa migliore in una variante di gioco non divulgata. Una prova circoscritta di ragionamento, non di intelligenza generale.
050100%
GPT OSS 120B0,0*%Incertezza non disponibile
Matematica avanzata
FrontierMath Tiers 1-3 · 25%
Problemi matematici privati v2 con strumenti Python. Esclusi versioni precedenti e Tier 4.
050100%
GPT OSS 120BNon disponibile
Risposte fattuali
SimpleQA Verified · 25%
Risposte fattuali corrette con invito a tentare, valutate da un modello. Non misura allucinazioni o astensione.
050100%
GPT OSS 120BNon disponibile
Matematica da competizione
OTIS Mock AIME 2024-2025 · Risultato separato
Problemi da competizione: risposte estratte da un modello e confrontate con la soluzione esatta. Escluse le procedure di valutazione precedenti.
050100%
GPT OSS 120BNon disponibile
Le barre mostrano i risultati delle prove. I segmenti indicano intervalli approssimativi al 95% quando è disponibile l’errore standard. Budget di ragionamento diversi non implicano costi uguali. I risultati mancanti non valgono zero.
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / chinesehuman preference · 2026-10-28 · rating
GPT OSS 120B
1.384,78 rating
Intervallo di confidenza: 1.372,21 – 1.397,36
2275 voti
Categoria
chinese
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-10-28 · rating
GPT OSS 120B
1.379,23 rating
Intervallo di confidenza: 1.371,51 – 1.386,94
6405 voti
Categoria
coding
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-10-28 · rating
GPT OSS 120B
1.274,49 rating
Intervallo di confidenza: 1.264,78 – 1.284,21
3908 voti
Categoria
creative_writing
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.374,63 rating
Intervallo di confidenza: 1.368,77 – 1.380,49
13026 voti
Categoria
english
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-10-28 · rating
GPT OSS 120B
1.330,38 rating
Intervallo di confidenza: 1.324,38 – 1.336,39
21443 voti
Categoria
exclude_ties
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-10-28 · rating
GPT OSS 120B
1.356,03 rating
Intervallo di confidenza: 1.340,29 – 1.371,77
1401 voti
Categoria
expert
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.369,82 rating
Intervallo di confidenza: 1.341,89 – 1.397,75
461 voti
Categoria
french
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.353,15 rating
Intervallo di confidenza: 1.330,43 – 1.375,87
672 voti
Categoria
german
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-10-28 · rating
GPT OSS 120B
1.363,33 rating
Intervallo di confidenza: 1.357,70 – 1.368,95
14681 voti
Categoria
hard_prompts
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.367,98 rating
Intervallo di confidenza: 1.360,30 – 1.375,66
6480 voti
Categoria
hard_prompts_english
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-10-28 · rating
Arena text preference / industry_entertainment_and_sports_and_mediahuman preference · 2026-10-28 · rating
GPT OSS 120B
1.292,28 rating
Intervallo di confidenza: 1.284,17 – 1.300,39
5494 voti
Categoria
industry_entertainment_and_sports_and_media
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_legal_and_governmenthuman preference · 2026-10-28 · rating
GPT OSS 120B
1.354,61 rating
Intervallo di confidenza: 1.340,90 – 1.368,33
1875 voti
Categoria
industry_legal_and_government
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_life_and_physical_and_social_sciencehuman preference · 2026-10-28 · rating
GPT OSS 120B
1.381,51 rating
Intervallo di confidenza: 1.372,73 – 1.390,28
4826 voti
Categoria
industry_life_and_physical_and_social_science
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_mathematicalhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.386,06 rating
Intervallo di confidenza: 1.371,37 – 1.400,75
1547 voti
Categoria
industry_mathematical
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_medicine_and_healthcarehuman preference · 2026-10-28 · rating
GPT OSS 120B
1.387,59 rating
Intervallo di confidenza: 1.372,61 – 1.402,57
1627 voti
Categoria
industry_medicine_and_healthcare
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_software_and_it_serviceshuman preference · 2026-10-28 · rating
GPT OSS 120B
1.387,34 rating
Intervallo di confidenza: 1.380,93 – 1.393,74
10214 voti
Categoria
industry_software_and_it_services
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / industry_writing_and_literature_and_languagehuman preference · 2026-10-28 · rating
GPT OSS 120B
1.305,47 rating
Intervallo di confidenza: 1.297,90 – 1.313,03
6646 voti
Categoria
industry_writing_and_literature_and_language
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / instruction_followinghuman preference · 2026-10-28 · rating
GPT OSS 120B
1.317,84 rating
Intervallo di confidenza: 1.310,82 – 1.324,86
7863 voti
Categoria
instruction_following
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / japanesehuman preference · 2026-10-28 · rating
GPT OSS 120B
1.331,02 rating
Intervallo di confidenza: 1.305,70 – 1.356,35
578 voti
Categoria
japanese
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / koreanhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.282,15 rating
Intervallo di confidenza: 1.258,44 – 1.305,87
681 voti
Categoria
korean
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / longer_queryhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.318,98 rating
Intervallo di confidenza: 1.311,33 – 1.326,63
6559 voti
Categoria
longer_query
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / mathhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.388,34 rating
Intervallo di confidenza: 1.374,54 – 1.402,14
1778 voti
Categoria
math
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / multi_turnhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.339,63 rating
Intervallo di confidenza: 1.330,90 – 1.348,37
4880 voti
Categoria
multi_turn
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / non_englishhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.350,42 rating
Intervallo di confidenza: 1.345,07 – 1.355,76
17135 voti
Categoria
non_english
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / overallhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.365,46 rating
Intervallo di confidenza: 1.361,11 – 1.369,80
30200 voti
Categoria
overall
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / polishhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.353,08 rating
Intervallo di confidenza: 1.338,57 – 1.367,59
1732 voti
Categoria
polish
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / russianhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.342,55 rating
Intervallo di confidenza: 1.330,06 – 1.355,04
2138 voti
Categoria
russian
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Arena text preference / spanishhuman preference · 2026-10-28 · rating
GPT OSS 120B
1.388,84 rating
Intervallo di confidenza: 1.367,64 – 1.410,04
855 voti
Categoria
spanish
Configurazione valutata
gpt-oss-120b
Tipo di valutazione
human preference
Esecuzione locale
Inferenza · stima della memoria
GPT OSS 120B
Informazioni verificate sull’architettura insufficienti per una stima affidabile della VRAM.
Costo API
USD / mese
Stima per token di testo standard. Esclude imposte, cache, sconti batch e costi aggiuntivi per ragionamento e modalità multimediali. Limiti e disponibilità possono variare per provider.