AIHOT 评分 · 综合20.7分综合第 94 名评分不是正确率 · 评测覆盖 41%
gpt-oss-120b 在 AIHOT 模型榜综合排第 94 名,科研排得最靠前(第 93 名);OpenAI 2025 年 8 月 5 日发布,厂商没有提供付费 API,上下文 13.1万 Token。
可比较分类4/ 4 项分类
已有成绩18项评测
上下文窗口13.1万Token
各有所长,看得更清楚。
每个领域单独评分,和综合评分用同一种分数,可以直接比。具体能力请看下面每项成绩。
编程AIHOT 评分21.3分第 94 名前 50 名之外4 项评测 · 覆盖 33%科研AIHOT 评分25.9分第 93 名前 50 名之外5 项评测 · 覆盖 44%专业办公AIHOT 评分17.5分第 94 名前 50 名之外4 项评测 · 覆盖 33%知识问答AIHOT 评分18.2分第 94 名前 50 名之外4 项评测 · 覆盖 60%
覆盖比例是这个领域里已有成绩的评测类别占比,不代表能力高低;没测的不补分,也不扣分。
最近的新闻。
提到 gpt-oss-120b 的报道,最新的在前。
- 8月11日NVIDIA 发布首款 Nemotron 3.5 模型 Lightning,性能对标 gpt-oss-120bArtificial Analysis
- 8月11日webAI 开源 1.7B 逻辑模型 TwiL-LM3,击败 GPT-OSS-120BRohan Paul
- 7月29日Nextorage 将推外接式 aiDAPTIV Station,让 32GB 内存笔记本运行 GPT-OSS-120BIT之家·人工智能
- 7月23日OpenRouter 上的 AI 模型市场细分:GPT-OSS 120b 流量达 Opus 4.8 的三分之一Tomasz Tunguz 博客
- 7月23日OpenRouter 上的“AI 超市”效应:GPT-OSS 120b 流量达 Opus 4.8 的 36%,模型市场加速分层Tomasz Tunguz 博客
- 3月19日Thinking Machines Lab 与 Mantic 用 RL 微调 gpt-oss-120b,将其预测能力提升至前沿 LLM 水平Thinking Machines Lab:News
每一项成绩,都有来处。
按领域列出每项公开成绩,以及它折算成的统一分数。展开可查看它测什么、运行配置与采用方式。
编程21.34 项
科研25.95 项
专业办公17.54 项
知识问答18.24 项
真人盲选17.61 项
尚无成绩的评测
这些评测尚无可采用的公开成绩,缺测不补分。
Terminal-Bench 4.0 · ValsTerminal-Bench 4.0 · 官方LiveBench · 编程综合Code Migration v1.1ProgramBenchMirrorCodeVibe Code Bench v1.1CyberBench Patch v1.1FrontierCode 2.0 · CognitionWeirdML v3FrontierSWE v2TapTap MakerFrontierMath v2 · Tiers 1–3LiveBench · 推理与数学致知 · 逻辑月榜司南 · 推理ARC-AGI-2司南 · 抽象Chess PuzzlesMysteryMechanismTerminal-Bench Science · ValsBioMysteryBenchVals Finance Agent v2.1Harvey LAB 1.1 · ValsHarvey LAB 1.1 · AAτ³-Banking · MercorLiveBench · 数据分析AA-Analyst AgentLegal Research BenchTaxAgentBenchExcel Modeling v1.1SimpleQA Verified司南 · 知识LiveBench · 语言与指令NYT Connections 扩展版Arena WebDev
怎么看这些折算分
每项成绩按这项评测的难度折算成同一种分数:难的评测考得一般也能折算出高分,快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均,再向模型的整体水平收一点;同类评测只算一票。相差不到 1 分的两个模型,先后接近抛硬币。
了解计算方法 →