AIFIND / MODEL INTELLIGENCE
gpt-oss-120b
OpenAI · 公開日 2025-08-05
集計
総合スコア10.0
参考順位#77
証拠のカバー率31.3%
個別評価7
利用条件と料金
料金は 100 万トークンあたりの原通貨。保存された出典に基づく参考情報です。価格記録の日付は 未確認。現在の料金を自動確認したものではありません。最新の料金は 公式料金 で確認してください。
コンテキスト仕様の確認: 未確認 · 仕様の出典。未確認の日時は取得日で補いません。
公開されたモデルの重み ↗採用した評価と実行設定
総合評価と利用体験
Arena · 創作総合比較の証拠1,277.7
Creative Writing v3総合比較の証拠961
推論
Chess Puzzles総合比較の証拠20.0%
知識
採用しない結果・未測定
- Arena Vision — 採用可能な実測がありません
- DeepSWE v1.1 — 採用可能な実測がありません
- SimpleQA Verified — 採用可能な実測がありません
- LiveBench · 言語と指示 — 採用可能な実測がありません
- FrontierMath v2 · Tiers 1–3 — 採用可能な実測がありません
- Vals Finance Agent — 採用可能な実測がありません
- LiveBench · 推論と数学 — 採用可能な実測がありません
- LiveBench · コーディング — 採用可能な実測がありません
- FrontierMath v2 · Tier 4 — 採用可能な実測がありません
欠測の分野: コーディング、言語理解と指示、画像理解、中国語・多言語。公表誤差のない測定: 3 件。欠測を 0 点にせず、未公表の誤差を推測しません。
近い順位のモデルと比較
Muse Spark 1.1 · #304 共通測定
共通証拠の重み 18.8% · 相対的な純支持差 -0.188
| 出典 | gpt-oss-120b | Muse Spark 1.1 | 重み |
|---|---|---|---|
| Arena · 創作 ↗ | 1,277.7 | 1,447.1 | 6.3% |
| Creative Writing v3 ↗ | 961 | 1,927.1 | 3.1% |
| Longform Writing ↗ | 35.8 | 70.6 | 3.1% |
| APEX-Agents 1.1 ↗ | 4.4% | 31.8% | 6.3% |
Gemini 3.1 Pro Preview · #297 共通測定
共通証拠の重み 31.3% · 相対的な純支持差 -0.313
| 出典 | gpt-oss-120b | Gemini 3.1 Pro Preview | 重み |
|---|---|---|---|
| Arena · 創作 ↗ | 1,277.7 | 1,480.3 | 6.3% |
| Creative Writing v3 ↗ | 961 | 1,491.3 | 3.1% |
| Longform Writing ↗ | 35.8 | 68.2 | 3.1% |
| Chess Puzzles ↗ | 20.0% | 49.0% | 3.1% |
| Mystery Game Puzzles ↗ | 0.0% | 34.0% | 3.1% |
| GPQA Diamond ↗ | 75.8% | 94.4% | 6.3% |
| APEX-Agents 1.1 ↗ | 4.4% | 35.3% | 6.3% |
DeepSeek V4.1 Flash · #284 共通測定
共通証拠の重み 18.8% · 相対的な純支持差 -0.188
| 出典 | gpt-oss-120b | DeepSeek V4.1 Flash | 重み |
|---|---|---|---|
| Arena · 創作 ↗ | 1,277.7 | 1,440.1 | 6.3% |
| Creative Writing v3 ↗ | 961 | 1,540.1 | 3.1% |
| Longform Writing ↗ | 35.8 | 74 | 3.1% |
| APEX-Agents 1.1 ↗ | 4.4% | 39.5% | 6.3% |
Claude Opus 4.6 · #277 共通測定
共通証拠の重み 31.3% · 相対的な純支持差 -0.272
| 出典 | gpt-oss-120b | Claude Opus 4.6 | 重み |
|---|---|---|---|
| Arena · 創作 ↗ | 1,277.7 | 1,500.8 | 6.3% |
| Creative Writing v3 ↗ | 961 | 1,809.1 | 3.1% |
| Longform Writing ↗ | 35.8 | 77.7 | 3.1% |
| Chess Puzzles ↗ | 20.0% | 14.0% | 3.1% |
| Mystery Game Puzzles ↗ | 0.0% | 25.0% | 3.1% |
| GPQA Diamond ↗ | 75.8% | 88.4% | 6.3% |
| APEX-Agents 1.1 ↗ | 4.4% | 46.3% | 6.3% |
GPT-5.6 Terra · #267 共通測定
共通証拠の重み 31.3% · 相対的な純支持差 -0.313
| 出典 | gpt-oss-120b | GPT-5.6 Terra | 重み |
|---|---|---|---|
| Arena · 創作 ↗ | 1,277.7 | 1,425.5 | 6.3% |
| Creative Writing v3 ↗ | 961 | 1,854.9 | 3.1% |
| Longform Writing ↗ | 35.8 | 78 | 3.1% |
| Chess Puzzles ↗ | 20.0% | 54.0% | 3.1% |
| Mystery Game Puzzles ↗ | 0.0% | 35.0% | 3.1% |
| GPQA Diamond ↗ | 75.8% | 93.3% | 6.3% |
| APEX-Agents 1.1 ↗ | 4.4% | 58.2% | 6.3% |