•

Open weights model

•

Released Mai 2026

HyperNova 60B 2605 (High, Based on gpt-oss-120b): Analyse von Intelligenz, Leistung und Preis

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

Ausprobieren Benchmarks der API-Anbieter

IntelligenzUpdated

12*

Artificial Analysis Intelligence Index

* Geschätzt

Geschwindigkeit

k. A.

Ausgabetokens pro Sekunde

Kosten

Eingabe -Ausgabe -

k. A.

Kosten pro Intelligence-Index-Aufgabe

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

HyperNova 60B 2605 (High, Based on gpt-oss-120b) zählt bei der Intelligenz zu den führenden Modellen und ist preislich gut aufgestellt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe. Das Modell unterstützt Text als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 131k Tokens.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) erzielt im Artificial Analysis Intelligence Index einen Wert von 12 und liegt damit deutlich über dem Durchschnitt der vergleichbaren Modelle (Median: 8).

Reasoning	Ja Diese Seite zeigt die Reasoning-Version dieses Modells. Möglicherweise gibt es auch eine Variante ohne Reasoning.
Eingabemodalität	Unterstützt: Text
Ausgabemodalität	Unterstützt: Text
Kontextfenster	131k ~197 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	58.7B
Aktive Parameter	4.8B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Not publicly available

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

Not publicly available

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Not publicly available

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Not publicly available

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Ingenieurwesen-Index

Incorporates 6 evaluations: AA-Omniscience, Humanity's Last Exam, CritPt, GDPval-AA v2.1, AA-Briefcase v1.1, Terminal-Bench 4.0 · Higher is better

Not publicly available

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Not publicly available

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench 4.0

Agentic coding & terminal use

SciCodeUnder review

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase-Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

Not publicly available

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Not publicly available

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Intelligence-Index-Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Kosten

Kosten pro Intelligence-Index-Aufgabe

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Not publicly available

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

Not publicly available

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Not publicly available

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.

Kontextfenster

Context window: tokens limit · Higher is better

Not publicly available

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu HyperNova 60B 2605 (High, Based on gpt-oss-120b)

HyperNova 60B 2605 (High, Based on gpt-oss-120b) wurde am 26. Mai 2026 veröffentlicht.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) wurde von Multiverse Computing entwickelt.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) erzielt im Artificial Analysis Intelligence Index einen geschätzten Wert von 12 und liegt damit im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe deutlich über dem Durchschnitt (Median: 8).

Ja, HyperNova 60B 2605 (High, Based on gpt-oss-120b) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) unterstützt Text als Eingabe.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) unterstützt Text als Ausgabe.

Nein, HyperNova 60B 2605 (High, Based on gpt-oss-120b) unterstützt keine Bildeingaben. Es kann nur Text verarbeiten.

Nein, HyperNova 60B 2605 (High, Based on gpt-oss-120b) ist nicht multimodal. Es unterstützt nur Text als Eingabe.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) hat ein Kontextfenster von 130k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, HyperNova 60B 2605 (High, Based on gpt-oss-120b) hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) hat 58,7 Milliarden Parameter (4,8 Milliarden aktiv).

HyperNova 60B 2605 (High, Based on gpt-oss-120b) ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 58,7 Milliarden Parametern, von denen während der Inferenz jedoch nur 4,8 Milliarden aktiv sind.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

HyperNova 60B 2605 (High, Based on gpt-oss-120b) erzielt im Artificial Analysis Intelligence Index einen Wert von 12. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

HyperNova 60B 2605 (High, Based on gpt-oss-120b) ist ein Modell mit offenen Gewichten, das selbst gehostet werden kann. Anbieter anzeigen

HyperNova 60B 2605 (High, Based on gpt-oss-120b) ist ein Modell mit offenen Gewichten, das heruntergeladen und selbst gehostet werden kann. Anbieter vergleichen

HyperNova 60B 2605 (High, Based on gpt-oss-120b): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Geschwindigkeit

Kosten

Ausführlichkeit

Zusammenfassung des Vergleichs

Technische Spezifikationen

65 Modelle in dieser Klasse

Intelligenz

Geschwindigkeit

Kosten pro Aufgabe

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Fähigkeitsindizes

Artificial Analysis Ingenieurwesen-Index

Benchmarks

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase-Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Wert

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Intelligence-Index-Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Kosten

Kosten pro Intelligence-Index-Aufgabe

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde HyperNova 60B 2605 (High, Based on gpt-oss-120b) veröffentlicht?

Wer hat HyperNova 60B 2605 (High, Based on gpt-oss-120b) entwickelt?

Wie intelligent ist HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Ist HyperNova 60B 2605 (High, Based on gpt-oss-120b) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Welche Ausgabemodalitäten unterstützt HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Kann HyperNova 60B 2605 (High, Based on gpt-oss-120b) Bilder verarbeiten?

Ist HyperNova 60B 2605 (High, Based on gpt-oss-120b) multimodal?

Wie groß ist das Kontextfenster von HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Hat HyperNova 60B 2605 (High, Based on gpt-oss-120b) offene Gewichte?

Wie viele Parameter hat HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Was sind die aktiven Parameter von HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Unter welcher Lizenz steht HyperNova 60B 2605 (High, Based on gpt-oss-120b)?

Wie schneidet HyperNova 60B 2605 (High, Based on gpt-oss-120b) in Benchmarks ab?

Ist HyperNova 60B 2605 (High, Based on gpt-oss-120b) über eine API verfügbar?

Wo kann ich HyperNova 60B 2605 (High, Based on gpt-oss-120b) verwenden?