すべてのリリース

DeepSeek V4.1 Flash 1017 vs. gpt-oss-120b：リリース比較

DeepSeek V4.1 Flash 1017とgpt-oss-120bのリリース比較：それぞれ3個と2個のモデルがあり、知能・性能・料金の特性が異なります。以下では、全5個のモデルの主要指標を比較します。

  • 知能が最も高いのはDeepSeek V4.1 Flash 1017です。DeepSeek V4.1 Flash 1017 (Max)（33）に対し、gpt-oss-120bはgpt-oss-120b (High)（4）です。
  • タスクあたりの時間が最も短いのはDeepSeek V4.1 Flash 1017です。DeepSeek V4.1 Flash 1017 (Non-reasoning)（7.4分）に対し、gpt-oss-120bはgpt-oss-120b (High)（7.5分）です。
  • タスクあたりの費用が最も低いのはgpt-oss-120bです。gpt-oss-120b (High)（$0.35）に対し、DeepSeek V4.1 Flash 1017はDeepSeek V4.1 Flash 1017 (Non-reasoning)（$0.43）です。
モデルPlayground

比較するリリース

DeepSeek V4.1 Flash 1017 (max)DeepSeek V4.1 Flash 1017 (high)DeepSeek V4.1 Flash 1017 (non-reasoning)gpt-oss-120b (high)gpt-oss-120b (low)
Intelligence Index
33
29
19
4
--
財務・会計
42
39
37
8
--
戦略・オペレーション
49
48
40
6
--
法務
38
34
32
8
--
医療・ヘルスケア
41
--
--
6
--
タスクあたりの費用USD
$0.60
$0.46
$0.43
$0.35
--
タスクあたりの時間分
14.0
11.0
7.4
7.5
--
最初の回答トークンまでの時間秒
45.67
22.34
1.38
15.05
2.21
コンテキストウィンドウ
1M
1M
1M
131k
131k
開発元
DeepSeek
DeepSeek
DeepSeek
OpenAI
OpenAI
ライセンス
オープン
オープン
オープン
オープン
オープン
入力モダリティ

対応：テキスト、画像

対応：テキスト、画像

対応：テキスト、画像

対応：テキスト

対応：テキスト

出力モダリティ

対応：テキスト

対応：テキスト

対応：テキスト

対応：テキスト

対応：テキスト

プロバイダー
BasetenNovitaGMI
+18
DeepSeek
DeepSeekIncoModular
+3
GroqScalewayCoreWeave
+12
NebiusSambaNovaGoogle
+11
Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

タスクあたりの費用

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

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Intelligence Index とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
DeepSeek V4.1 Flash 1017
Pareto line
AA-Briefcase v1.1
AutomationBench-AA

タスク当たりのコスト（USD、対数スケール）

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

パフォーマンス

Intelligence Indexのタスクあたりの時間

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

能力スコア

能力指数

特定の能力や業界におけるモデルの性能を測定
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

ベンチマーク

AA-PersonalityBenchNew

パーソナリティ指数

各軸は8つのパーソナリティ指数の1つで、構成特性のEloのzスコアの平均を、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたもの