OpenAI

•

gpt-oss-120b

•

Open weights model

•

Released August 2025

gpt-oss-120b (high) Benchmarking und Analyse von API-Anbietern

Name: Geschwindigkeit
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Modellvergleich

Diese Analyse soll Sie bei der Auswahl des besten API-Anbieters von gpt-oss-120b (high) für Ihren Anwendungsfall unterstützen.

Am schnellsten

Cerebras

1,684.9 t/s

SambaNova

699.9 t/s

Groq

475.4 t/s

Baseten

344.4 t/s

Nebius (Base)

326.5 t/s

Ausgabegeschwindigkeit

Insgesamt 17 Anbieter

Niedrigste Latenz

Cerebras

1.65 s

SambaNova

3.74 s

Groq

4.94 s

Baseten

6.05 s

Azure

6.85 s

Zeit bis zum ersten Antworttoken

Insgesamt 17 Anbieter

Niedrigster Preis

CoreWeave

$0.04

DeepInfra

$0.05

Novita

$0.07

Google Vertex

$0.12

Parasail

$0.13

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 17 Anbieter

gpt-oss-120b (high) ist über 17 API-Anbieter verfügbar, die jeweils unterschiedliche Leistungsmerkmale und Preise bieten. Im Folgenden werden die wichtigsten Metriken der Anbieter verglichen.

Bei der Ausgabegeschwindigkeit führen Cerebras (1,684.9 Tokens/s), SambaNova (699.9 Tokens/s) und Groq (475.4 Tokens/s). Die Geschwindigkeit unterscheidet sich erheblich zwischen den Anbietern: Der Unterschied zwischen dem schnellsten und langsamsten beträgt 3738 %.
Bei der Latenz bieten Cerebras (1.65 s), SambaNova (3.74 s) und Groq (4.94 s) die niedrigste Zeit bis zum ersten Antworttoken.
Bei den Preisen bieten CoreWeave (0.04), DeepInfra (0.05) und Novita (0.07) die niedrigsten Mischpreise pro 1 Mio. Tokens. Die Preise unterscheiden sich je nach Anbieter bis zum 8.9-Fachen.
Cerebras bietet mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet CoreWeave den konkurrenzfähigsten Preis.

Wichtigste Ergebnisse

Geschwindigkeit

Output tokens per second · Higher is better

Preis

USD per 1M tokens (blended) · Lower is better

Aktualisierung: Der Standard-Workload für das Performance-Benchmarking wurde auf 10k Eingabetokens umgestellt, um Produktionsanwendungsfälle besser abzubilden. Oben können weiterhin andere Workloads ausgewählt werden.

EndpunktgenauigkeitNew

Endpoint Accuracy Index: gpt-oss-120b (high)

v1.0 · Composite of BFCL v4-500, HLE-250 and AA-LCR-25 run against each provider endpoint · Percentage of the reference endpoint, with 95% confidence interval · Higher is better

Composite measure of how much of a model's accuracy a given provider endpoint preserves, from re-running BFCL v4-500, HLE-250 and AA-LCR-25 against that endpoint. Where a self-hosted reference endpoint exists, scores are expressed as a percentage of that reference (100 = matches reference); lower scores indicate accuracy lost to quantisation, sampling defaults, or other endpoint-side configuration. Scores are point-in-time snapshots. Methodology.

Preise

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Pricing: Cache Discount

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Output Speed: gpt-oss-120b (high)

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens

Most attractive quadrant

Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Zeit bis zum ersten Antworttoken: Anbieter von gpt-oss-120b (high)

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit: Anbieter von gpt-oss-120b (high)

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Endpunkt-Evaluationen

GPQAx16 Performance: gpt-oss-120b (high)

GPQA Diamond N=16 runs · Minimum, 25th percentile, median, 75th percentile, maximum · Higher is better

Results on the GPQA Diamond benchmark, which tests scientific knowledge and reasoning. Each provider endpoint is evaluated in 16 independent runs.

Min (whisker bottom), 25th percentile (box lower edge), Median (line in box), 75th percentile (box upper edge), Max (whisker top).

AIME25x32 Performance: gpt-oss-120b (high)

AIME 2025 N=32 runs · Minimum, 25th percentile, median, 75th percentile, maximum · Higher is better

Results on the AIME 2025 benchmark, which tests advanced mathematical problem-solving capabilities. Each provider endpoint is evaluated in 32 independent runs.

Min (whisker bottom), 25th percentile (box lower edge), Median (line in box), 75th percentile (box upper edge), Max (whisker top).

IFBenchx8 Performance: gpt-oss-120b (high)

IFBench N=8 runs · Minimum, 25th percentile, median, 75th percentile, maximum · Higher is better

Results on the IFBench benchmark, which evaluates instruction-following capabilities. Each provider endpoint is evaluated in 8 independent runs.

Min (whisker bottom), 25th percentile (box lower edge), Median (line in box), 75th percentile (box upper edge), Max (whisker top).

Wichtige Vergleichsmetriken und API-Funktionen



Groq	86%	131k	Offen	$0.06	477	0.73	5.97	4.20
Cloudflare	70%	116k	Offen	$0.15	--	--	--	--
Scaleway	97%	128k	Offen	$0.08	159	1.23	16.97	12.59
DeepInfra	97%	131k	Offen	$0.02	51	0.59	49.54	39.16
CoreWeave	98%	131k	Offen	$0.02	48	1.37	53.39	41.62
Microsoft Azure	93%	131k	Offen	$0.07	329	0.71	8.31	6.08
Novita	91%	131k	Offen	$0.03	106	0.94	24.59	18.92
DeepInfra	84%	131k	Offen	$0.07	233	0.78	11.51	8.58
Cerebras	87%	131k	Offen	$0.15	1,715	0.47	1.93	1.17
Google	72%	131k	Offen	$0.04	123	0.81	21.19	16.30
Clarifai	k. A.	131k	Offen	$0.04	--	--	--	--
Baseten	k. A.	128k	Offen	$0.05	367	0.24	7.06	5.45
SambaNova	98%	131k	Offen	$0.10	701	0.94	4.50	2.85
Parasail	98%	131k	Offen	--	128	0.72	20.20	15.58
Nebius	97%	128k	Offen	$0.07	326	1.00	8.66	6.13
Hyperbolic	k. A.	131k	Offen	$0.11	--	--	--	--
Amazon Bedrock	101%	131k	Offen	$0.07	111	1.09	23.58	17.99
Together AI	83%	131k	Offen	$0.07	147	0.57	17.61	13.63

Häufig gestellte Fragen

Häufige Fragen zu den Anbietern von gpt-oss-120b (high)

gpt-oss-120b (high) ist über 17 API-Anbieter verfügbar: Groq, Cloudflare, Scaleway, CoreWeave, Azure, Novita, DeepInfra (Turbo), DeepInfra, Cerebras, Google Vertex, Baseten, SambaNova, Parasail, Nebius (Base), Hyperbolic, Amazon und Together AI. Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

gpt-oss-120b (high) ist derzeit über 17 API-Anbieter, die wir bewerten und beobachten verfügbar.

Die nach Ausgabegeschwindigkeit schnellsten Anbieter für gpt-oss-120b (high) sind Cerebras (1,684.9 Tokens/s), SambaNova (699.9 Tokens/s) und Groq (475.4 Tokens/s). Die Ausgabegeschwindigkeit misst, wie schnell Tokens erzeugt werden, nachdem das Modell mit der Antwort begonnen hat.

Die Anbieter mit der niedrigsten Zeit bis zum ersten Antworttoken für gpt-oss-120b (high) sind Cerebras (1.65s), SambaNova (3.74s) und Groq (4.94s). Eine niedrigere Latenz bedeutet eine schnellere erste Reaktion.

Die nach Mischpreis günstigsten Anbieter für gpt-oss-120b (high) sind CoreWeave ($0.04 pro 1 Mio. Tokens), DeepInfra ($0.05 pro 1 Mio. Tokens) und Novita ($0.07 pro 1 Mio. Tokens). Der Mischpreis basiert auf einem Tokenverhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe.

Die Anbieter mit dem niedrigsten Preis für Eingabetokens bei gpt-oss-120b (high) sind CoreWeave ($0.03 pro 1 Mio. Eingabetokens), DeepInfra ($0.04 pro 1 Mio. Eingabetokens) und Novita ($0.05 pro 1 Mio. Eingabetokens).

Die Anbieter mit dem niedrigsten Preis für Ausgabetokens bei gpt-oss-120b (high) sind CoreWeave ($0.17 pro 1 Mio. Ausgabetokens), DeepInfra ($0.17 pro 1 Mio. Ausgabetokens) und Novita ($0.25 pro 1 Mio. Ausgabetokens).

Die Preise für gpt-oss-120b (high) unterscheiden sich je nach Anbieter bis zum 8.9-Fachen. Am günstigsten ist CoreWeave mit $0.04 pro 1 Mio. Tokens, während Cloudflare $0.39 pro 1 Mio. Tokens berechnet.

Die Ausgabegeschwindigkeit von gpt-oss-120b (high) unterscheidet sich erheblich zwischen den Anbietern. Cerebras ist mit 1,684.9 Tokens/s am schnellsten und damit um den Faktor 38.4 schneller als DeepInfra mit 43.9 Tokens/s.

Alle 17 Anbieter von gpt-oss-120b (high) unterstützen den JSON-Modus für strukturierte Ausgaben.

Alle 17 Anbieter von gpt-oss-120b (high) unterstützen Funktionsaufrufe (Tool-Nutzung).

Für gpt-oss-120b (high) bietet Cerebras mit der höchsten Geschwindigkeit und der niedrigsten Latenz die beste Leistung. Für eine Kostenoptimierung bietet CoreWeave den konkurrenzfähigsten Preis.

Berücksichtigen Sie bei der Wahl eines Anbieters für gpt-oss-120b (high) die Ausgabegeschwindigkeit für durchsatzintensive Aufgaben, die Latenz für interaktive Anwendungen mit schneller erster Reaktion, den Preis für kostensensible Workloads und API-Funktionen wie den JSON-Modus oder Funktionsaufrufe.

Ja, die Leistung eines Anbieters kann sich durch Änderungen an der Infrastruktur, Lastverteilung und Aktualisierungen im Laufe der Zeit verändern. Wir bewerten alle Anbieter fortlaufend und zeigen historische Leistungstrends in den Diagrammen „Im Zeitverlauf“ an.

Informationen zur Intelligenz, zu den Fähigkeiten und Modalitäten von gpt-oss-120b (high) sowie zum Vergleich mit anderen Modellen finden Sie auf der Modellübersichtsseite. Modellübersicht anzeigen

gpt-oss-120b (high) Benchmarking und Analyse von API-Anbietern

Am schnellsten

Niedrigste Latenz

Niedrigster Preis

Geschwindigkeit

Ende-zu-Ende-Antwortzeit

Preis

EndpunktgenauigkeitNew

Endpoint Accuracy Index: gpt-oss-120b (high)

Endpoint Accuracy Index

Preise

Pricing: Cache Hit, Input, and Output

Cache Hit

Pricing: Blended Price

Price

Pricing: Cache Discount

Cache Price Discount

Output Speed vs. Price

Output Speed

Geschwindigkeit

Output Speed: gpt-oss-120b (high)

Output Speed

Model Performance Representation

Latency vs. Output Speed

Output Speed

Latenz

Zeit bis zum ersten Antworttoken: Anbieter von gpt-oss-120b (high)

Time to First Answer Token

Median

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit: Anbieter von gpt-oss-120b (high)

End-to-End Response Time

Endpunkt-Evaluationen

GPQAx16 Performance: gpt-oss-120b (high)

GPQAx16

Boxplot Points

AIME25x32 Performance: gpt-oss-120b (high)

AIME25x32

Boxplot Points

IFBenchx8 Performance: gpt-oss-120b (high)

IFBenchx8

Boxplot Points

Wichtige Vergleichsmetriken und API-Funktionen

Häufig gestellte Fragen

Wo kann ich auf gpt-oss-120b (high) zugreifen?

Wie viele API-Anbieter bieten gpt-oss-120b (high) an?

Welcher Anbieter ist für gpt-oss-120b (high) am schnellsten?

Welcher Anbieter hat für gpt-oss-120b (high) die niedrigste Latenz?

Welcher Anbieter ist für gpt-oss-120b (high) am günstigsten?

Welcher Anbieter hat für gpt-oss-120b (high) den niedrigsten Eingabepreis?

Welcher Anbieter hat für gpt-oss-120b (high) den niedrigsten Ausgabepreis?

Wie stark unterscheiden sich die Preise der Anbieter von gpt-oss-120b (high)?

Wie stark unterscheidet sich die Geschwindigkeit der Anbieter von gpt-oss-120b (high)?

Welche Anbieter von gpt-oss-120b (high) unterstützen den JSON-Modus?

Welche Anbieter von gpt-oss-120b (high) unterstützen Funktionsaufrufe?

Welcher ist der beste Anbieter für gpt-oss-120b (high)?

Wie wähle ich einen Anbieter für gpt-oss-120b (high) aus?

Verändert sich die Leistung der Anbieter von gpt-oss-120b (high) im Laufe der Zeit?

Welche allgemeinen Fähigkeiten hat gpt-oss-120b (high)?