gpt-oss-120b (high) logo
OpenAI
•

Open weights model

•

Released August 2025

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

Modellvergleich

Analyse der API-Anbieter für gpt-oss-120b (high) anhand von Leistungsmetriken wie Latenz (Zeit bis zum ersten Token), Ausgabegeschwindigkeit (Ausgabetokens pro Sekunde) und Preis. Zu den bewerteten API-Anbietern gehören Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Microsoft Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, CompactifAI, Fireworks, Nebius (Base), Hyperbolic, Databricks und Amazon Bedrock.

Am schnellsten

#1
CerebrasCerebras
1,851.2 t/s
#2
SambaNovaSambaNova
709.8 t/s
#3
GroqGroq
478.0 t/s
#4
Google VertexGoogle Vertex
423.4 t/s
#5
DatabricksDatabricks
327.5 t/s

Ausgabegeschwindigkeit

Insgesamt 20 Anbieter

Niedrigste Latenz

#1
CerebrasCerebras
1.57 s
#2
SambaNovaSambaNova
4.22 s
#3
GroqGroq
4.86 s
#4
Google VertexGoogle Vertex
5.12 s
#5
DatabricksDatabricks
6.75 s

Zeit bis zum ersten Antworttoken

Insgesamt 20 Anbieter

Niedrigster Preis

#1
CoreWeaveCoreWeave
$0.04
#2
DeepInfraDeepInfra
$0.05
#3
CompactifAICompactifAI
$0.07
#4
NovitaNovita
$0.07
#5
Google VertexGoogle Vertex
$0.12

Mischpreis (pro 1 Mio. Tokens)

Insgesamt 20 Anbieter

gpt-oss-120b (high) ist über 20 API-Anbieter verfügbar, die jeweils unterschiedliche Leistungsmerkmale und Preise bieten. Im Folgenden werden die wichtigsten Metriken der Anbieter verglichen.

  • Bei der Ausgabegeschwindigkeit führen Cerebras (1,851.2 Tokens/s), SambaNova (709.8 Tokens/s) und Groq (478.0 Tokens/s). Die Geschwindigkeit unterscheidet sich erheblich zwischen den Anbietern: Der Unterschied zwischen dem schnellsten und langsamsten beträgt 5527 %.
  • Bei der Latenz bieten Cerebras (1.57 s), SambaNova (4.22 s) und Groq (4.86 s) die niedrigste Zeit bis zum ersten Antworttoken.
  • Bei den Preisen bieten CoreWeave (0.04), DeepInfra (0.05) und CompactifAI (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

Ende-zu-Ende-Antwortzeit

Seconds · Lower 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

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

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

Logo von GroqGroq
86%
131k
Offen
$0.06
478
0.67
5.90
4.18
Logo von CloudflareCloudflare
70%
116k
Offen
$0.15
118
1.05
22.20
16.92
Logo von ScalewayScaleway
97%
128k
Offen
$0.09
176
1.24
15.46
11.38
Logo von DeepInfraDeepInfra
97%
131k
Offen
$0.02
45
0.61
55.79
44.15
Logo von CoreWeaveCoreWeave
98%
131k
Offen
$0.02
33
1.46
77.45
60.80
Logo von Microsoft AzureMicrosoft Azure
93%
131k
Offen
$0.08
305
1.01
9.19
6.55
Logo von NovitaNovita
91%
131k
Offen
$0.03
89
1.05
29.05
22.39
Logo von DeepInfraDeepInfra
84%
131k
Offen
$0.08
180
0.69
14.58
11.11
Logo von CerebrasCerebras
87%
131k
Offen
$0.15
1,851
0.49
1.84
1.08
Logo von GoogleGoogle
72%
131k
Offen
$0.05
423
0.39
6.30
4.72
Logo von ClarifaiClarifai
k. A.
131k
Offen
$0.05
--
--
--
--
Logo von BasetenBaseten
k. A.
128k
Offen
$0.05
184
0.26
13.87
10.89
Logo von SambaNovaSambaNova
98%
131k
Offen
$0.10
710
1.40
4.93
2.82
Logo von ParasailParasail
98%
131k
Offen
--
170
0.89
15.59
11.76
Logo von CompactifAICompactifAI
k. A.
131k
Offen
$0.03
--
--
--
--
Logo von FireworksFireworks
86%
131k
Offen
$0.08
125
0.75
20.72
15.97
Logo von NebiusNebius
97%
128k
Offen
$0.08
221
1.03
12.35
9.06
Logo von HyperbolicHyperbolic
k. A.
131k
Offen
$0.12
--
--
--
--
Logo von DatabricksDatabricks
89%
128k
Offen
$0.08
328
0.64
8.28
6.11
Logo von Amazon BedrockAmazon Bedrock
101%
131k
Offen
$0.08
105
1.03
24.74
18.97

Häufig gestellte Fragen

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

gpt-oss-120b (high) ist über 20 API-Anbieter verfügbar: Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, CompactifAI, Fireworks, Nebius (Base), Hyperbolic, Databricks und Amazon. Jeder Anbieter bietet unterschiedliche Leistungsmerkmale und Preise.

gpt-oss-120b (high) ist derzeit über 20 API-Anbieter, die wir bewerten und beobachten verfügbar.

Die nach Ausgabegeschwindigkeit schnellsten Anbieter für gpt-oss-120b (high) sind Cerebras (1,851.2 Tokens/s), SambaNova (709.8 Tokens/s) und Groq (478.0 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 (1.57s), SambaNova (4.22s) und Groq (4.86s). 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 CompactifAI ($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 DeepInfra ($0.17 pro 1 Mio. Ausgabetokens), CoreWeave ($0.17 pro 1 Mio. Ausgabetokens) und CompactifAI ($0.23 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 1,851.2 Tokens/s am schnellsten und damit um den Faktor 56.3 schneller als CoreWeave mit 32.9 Tokens/s.

Alle 20 Anbieter von gpt-oss-120b (high) unterstützen den JSON-Modus für strukturierte Ausgaben.

Alle 20 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