gpt-oss-120b (high) logo
OpenAI
•

gpt-oss-120b

•

Open weights model

•

Released August 2025

gpt-oss-120b (high) Benchmarks y análisis de proveedores de API

Comparación de modelos

Análisis de proveedores de API para gpt-oss-120b (high) en métricas de rendimiento como latencia (tiempo hasta el primer token), velocidad de salida (tokens de salida por segundo), precio y otras. Los proveedores de API medidos incluyen Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Microsoft Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, Nebius (Base), Hyperbolic, Amazon Bedrock y Together AI.

Más rápido

#1
CerebrasCerebras
1,758.3 t/s
#2
SambaNovaSambaNova
707.4 t/s
#3
GroqGroq
478.7 t/s
#4
BasetenBaseten
366.2 t/s
#5
AzureAzure
322.7 t/s

Velocidad de salida

18 proveedores en total

Menor latencia

#1
CerebrasCerebras
1.61 s
#2
SambaNovaSambaNova
3.79 s
#3
GroqGroq
4.84 s
#4
BasetenBaseten
5.68 s
#5
AzureAzure
6.92 s

Tiempo hasta el primer token de respuesta

18 proveedores en total

Menor precio

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

Precio combinado (por 1M de tokens)

18 proveedores en total

gpt-oss-120b (high) está disponible a través de 18 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Cerebras (1,758.3 t/s), SambaNova (707.4 t/s) y Groq (478.7 t/s). La velocidad varía significativamente entre proveedores, con una diferencia del 8803% entre el más rápido y el más lento.
  • En latencia, Cerebras (1.61s), SambaNova (3.79s) y Groq (4.84s) ofrecen el menor tiempo hasta el primer token de respuesta.
  • En precios, CoreWeave (0.04), DeepInfra (0.05) y Novita (0.07) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 8.9x entre proveedores.
  • Cerebras ofrece el mejor rendimiento, con la mayor velocidad y la menor latencia. Para optimizar costos, CoreWeave ofrece los precios más competitivos.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

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

Actualización: La carga de trabajo predeterminada de medición de rendimiento se actualizó a 10k tokens de entrada para reflejar mejor los casos de uso en producción. Aún puedes seleccionar distintas cargas de trabajo arriba.

Precisión del endpointNew

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.

Precios

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).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

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).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token de respuesta

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.

Tiempo de respuesta de extremo a extremo

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

Tiempo de respuesta de extremo a extremo

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

Evaluaciones del endpoint

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).

Métricas clave de comparación y funciones de API

Logo de GroqGroq
86%
131k
Abierto
$0.06
479
0.66
5.88
4.18
Logo de CloudflareCloudflare
70%
116k
Abierto
$0.15
--
--
--
--
Logo de ScalewayScaleway
97%
128k
Abierto
$0.08
167
1.27
16.19
11.94
Logo de DeepInfraDeepInfra
97%
131k
Abierto
$0.02
20
0.73
127.31
101.27
Logo de CoreWeaveCoreWeave
98%
131k
Abierto
$0.02
35
1.50
73.30
57.44
Logo de Microsoft AzureMicrosoft Azure
93%
131k
Abierto
$0.07
323
0.72
8.47
6.20
Logo de NovitaNovita
91%
131k
Abierto
$0.03
92
0.86
28.13
21.81
Logo de DeepInfraDeepInfra
84%
131k
Abierto
$0.07
191
0.60
13.69
10.47
Logo de CerebrasCerebras
87%
131k
Abierto
$0.15
1,758
0.48
1.90
1.14
Logo de GoogleGoogle
72%
131k
Abierto
$0.04
125
0.70
20.69
15.99
Logo de ClarifaiClarifai
n/d
131k
Abierto
$0.04
--
--
--
--
Logo de BasetenBaseten
n/d
128k
Abierto
$0.05
366
0.22
7.04
5.46
Logo de SambaNovaSambaNova
98%
131k
Abierto
$0.10
707
0.96
4.50
2.83
Logo de ParasailParasail
98%
131k
Abierto
--
157
0.78
16.68
12.71
Logo de NebiusNebius
97%
128k
Abierto
$0.07
281
0.99
9.89
7.11
Logo de HyperbolicHyperbolic
n/d
131k
Abierto
$0.11
--
--
--
--
Logo de Amazon BedrockAmazon Bedrock
101%
131k
Abierto
$0.07
67
1.05
38.25
29.77
Logo de Together AITogether AI
n/d
131k
Abierto
$0.07
137
0.78
19.09
14.64

Preguntas frecuentes

Preguntas comunes sobre los proveedores de gpt-oss-120b (high)

gpt-oss-120b (high) está disponible a través de 18 proveedores de API: Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, Nebius (Base), Hyperbolic, Amazon y Together AI. Cada proveedor ofrece distintas características de rendimiento y precios.

gpt-oss-120b (high) está disponible actualmente a través de 18 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para gpt-oss-120b (high) por velocidad de salida son Cerebras (1,758.3 t/s), SambaNova (707.4 t/s) y Groq (478.7 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token de respuesta para gpt-oss-120b (high) son Cerebras (1.61s), SambaNova (3.79s) y Groq (4.84s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para gpt-oss-120b (high) por precio combinado son CoreWeave ($0.04 por 1M de tokens), DeepInfra ($0.05 por 1M de tokens) y Novita ($0.07 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para gpt-oss-120b (high) son CoreWeave ($0.03 por 1M de tokens de entrada), DeepInfra ($0.04 por 1M de tokens de entrada) y Novita ($0.05 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para gpt-oss-120b (high) son DeepInfra ($0.17 por 1M de tokens de salida), CoreWeave ($0.17 por 1M de tokens de salida) y Novita ($0.25 por 1M de tokens de salida).

Los precios de gpt-oss-120b (high) varían hasta 8.9x entre proveedores. El más económico es CoreWeave a $0.04 por 1M de tokens, mientras que Cloudflare cobra $0.39 por 1M de tokens.

La velocidad de salida de gpt-oss-120b (high) varía significativamente entre proveedores. Cerebras es el más rápido a 1,758.3 t/s, lo que es 89.0x más rápido que DeepInfra a 19.7 t/s.

Los 18 proveedores de gpt-oss-120b (high) admiten el modo JSON para salida estructurada.

Los 18 proveedores de gpt-oss-120b (high) admiten llamadas a funciones (uso de herramientas).

Para gpt-oss-120b (high), Cerebras ofrece el mejor rendimiento con la mayor velocidad y la menor latencia. Para optimizar costos, CoreWeave ofrece los precios más competitivos.

Al elegir un proveedor para gpt-oss-120b (high), considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de gpt-oss-120b (high) y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo