OpenAI
gpt-oss-120b 评测成绩
来自 4 个来源、6 项基准的 9 条成绩。
其他名称: openai/gpt-oss-120b_high · gpt-oss-120b_unknown · gpt-oss-120b (unknown thinking) · GPT-OSS-120B · GPT-oss-120B(high)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1352 | 213 | Overall, style control on; 30218 votes; 95% CI 1347–1356 | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 75.8% | 135 | Epoch AI run, accuracy | 独立评测 | 2025年12月11日 |
| MMLU-Pro | 80.8% | 61 | Overall accuracy; data source: Self-Reported; 120B“GPT-oss-120B(high)” | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 26.0% | 95 | agent: mini-SWE-agent | 官方榜单 | 2025年8月7日 |
| AIME (OTIS Mock AIME 2024–2025) | 88.9% | 73 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年12月11日 |
| Terminal-Bench 2.0 | 18.7% | 167 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年11月1日 |
| Terminal-Bench 2.0 | 18.7% | 168 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
| Terminal-Bench 2.0 | 14.2% | 179 | Terminal-Bench 2.0; agent: Mini-SWE-Agent | 官方榜单 via Epoch AI | 2025年11月3日 |
| Terminal-Bench 2.0 | 14.2% | 181 | Terminal-Bench 2.0; agent: Mini-SWE-Agent; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
本站相关
常见问题
gpt-oss-120b 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和SWE-bench leaderboards (swebench.com)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。