•

Open weights model

•

Released August 2025

gpt-oss-120b (high) Benchmarking e análise de provedores de API

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

Comparação de modelos

Análise dos provedores de API do gpt-oss-120b (high) em métricas de desempenho como latência (tempo até o primeiro token), velocidade de saída (tokens de saída por segundo), preço e outras. Os provedores de API avaliados incluem Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Microsoft Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, CompactifAI, Fireworks, Nebius (Base), Hyperbolic, Databricks e Amazon Bedrock.

Mais rápido

Cerebras

1,868.9 t/s

SambaNova

708.7 t/s

Groq

477.2 t/s

Google Vertex

423.0 t/s

Databricks

325.3 t/s

Velocidade de saída

20 provedores no total

Menor latência

Cerebras

1.61 s

SambaNova

4.23 s

Groq

4.86 s

Google Vertex

5.12 s

Databricks

6.80 s

Tempo até o primeiro token da resposta final

20 provedores no total

Menor preço

CoreWeave

$0.04

DeepInfra

$0.05

CompactifAI

$0.07

Novita

$0.07

Google Vertex

$0.12

Preço combinado (por 1M de tokens)

20 provedores no total

gpt-oss-120b (high) está disponível em 20 provedores de API, cada um com características de desempenho e preços diferentes. Veja abaixo uma comparação das principais métricas entre os provedores.

Em velocidade de saída, os principais provedores são Cerebras (1,868.9 t/s), SambaNova (708.7 t/s) e Groq (477.2 t/s). A velocidade varia significativamente entre os provedores, com uma diferença de 5732% entre o mais rápido e o mais lento.
Em latência, Cerebras (1.61s), SambaNova (4.23s) e Groq (4.86s) têm o menor tempo até o primeiro token da resposta final.
Em preço, CoreWeave (0.04), DeepInfra (0.05) e CompactifAI (0.07) têm os menores preços combinados por 1M de tokens. Os preços variam em até 8.9x entre os provedores.
Cerebras oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, CoreWeave tem o preço mais competitivo.

Destaques

Velocidade

Output tokens per second · Higher is better

Tempo de resposta de ponta a ponta

Seconds · Lower is better

Preço

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

Atualização: A carga de trabalho padrão do benchmarking de desempenho passou a usar 10k tokens de entrada para representar melhor os casos de uso em produção. Você ainda pode selecionar outras cargas de trabalho acima.

Acurácia do 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.

Preços

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).

Velocidade

Medida pela velocidade de saída (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).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final: provedores do 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.

Tempo de resposta de ponta a ponta

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

Tempo de resposta de ponta a ponta: provedores do 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

Avaliações do 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).

Principais métricas de comparação e recursos da API



Groq	86%	131k	Aberto	$0.06	477	0.67	5.91	4.19
Cloudflare	70%	116k	Aberto	$0.15	112	1.05	23.45	17.92
Scaleway	97%	128k	Aberto	$0.09	169	1.24	16.02	11.82
DeepInfra	97%	131k	Aberto	$0.02	45	0.63	55.81	44.15
CoreWeave	98%	131k	Aberto	$0.02	32	1.46	79.48	62.42
Microsoft Azure	93%	131k	Aberto	$0.08	305	0.91	9.10	6.55
Novita	91%	131k	Aberto	$0.03	89	1.38	29.37	22.39
DeepInfra	84%	131k	Aberto	$0.08	170	0.71	15.40	11.75
Cerebras	87%	131k	Aberto	$0.15	1,869	0.53	1.87	1.07
Google	72%	131k	Aberto	$0.05	423	0.39	6.30	4.73
Clarifai	n/d	131k	Aberto	$0.05	--	--	--	--
Baseten	n/d	128k	Aberto	$0.05	179	0.26	14.21	11.16
SambaNova	98%	131k	Aberto	$0.10	709	1.40	4.93	2.82
Parasail	98%	131k	Aberto	--	170	0.89	15.59	11.76
CompactifAI	n/d	131k	Aberto	$0.03	--	--	--	--
Fireworks	86%	131k	Aberto	$0.08	118	0.78	21.91	16.90
Nebius	97%	128k	Aberto	$0.08	221	1.01	12.34	9.06
Hyperbolic	n/d	131k	Aberto	$0.12	--	--	--	--
Databricks	89%	128k	Aberto	$0.08	325	0.65	8.33	6.15
Amazon Bedrock	101%	131k	Aberto	$0.08	101	1.00	25.76	19.81

Perguntas frequentes

Perguntas comuns sobre os provedores do gpt-oss-120b (high)

gpt-oss-120b (high) está disponível em 20 provedores de API: Groq, Cloudflare, Scaleway, DeepInfra, CoreWeave, Azure, Novita, DeepInfra (Turbo), Cerebras, Google Vertex, Clarifai, Baseten, SambaNova, Parasail, CompactifAI, Fireworks, Nebius (Base), Hyperbolic, Databricks e Amazon. Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o gpt-oss-120b (high) está disponível em 20 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o gpt-oss-120b (high) em velocidade de saída são Cerebras (1,868.9 t/s), SambaNova (708.7 t/s) e Groq (477.2 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

Os provedores com o menor tempo até o primeiro token da resposta final para o gpt-oss-120b (high) são Cerebras (1.61s), SambaNova (4.23s) e Groq (4.86s). Uma latência menor significa um tempo de resposta inicial mais rápido.

Os provedores mais acessíveis para o gpt-oss-120b (high) em preço combinado são CoreWeave ($0.04 por 1M de tokens), DeepInfra ($0.05 por 1M de tokens) e CompactifAI ($0.07 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

Os provedores com o menor preço de tokens de entrada para o gpt-oss-120b (high) são CoreWeave ($0.03 por 1M de tokens de entrada), DeepInfra ($0.04 por 1M de tokens de entrada) e Novita ($0.05 por 1M de tokens de entrada).

Os provedores com o menor preço de tokens de saída para o gpt-oss-120b (high) são DeepInfra ($0.17 por 1M de tokens de saída), CoreWeave ($0.17 por 1M de tokens de saída) e CompactifAI ($0.23 por 1M de tokens de saída).

Os preços do gpt-oss-120b (high) variam em até 8.9x entre os provedores. O mais acessível é CoreWeave, com $0.04 por 1M de tokens, enquanto Cloudflare cobra $0.39 por 1M de tokens.

A velocidade de saída do gpt-oss-120b (high) varia significativamente entre os provedores. Cerebras é o mais rápido, com 1,868.9 t/s, 58.3x mais rápido que CoreWeave, com 32.0 t/s.

Todos os 20 provedores do gpt-oss-120b (high) são compatíveis com o modo JSON para saída estruturada.

Todos os 20 provedores do gpt-oss-120b (high) são compatíveis com chamadas de funções (uso de ferramentas).

Para o gpt-oss-120b (high), Cerebras oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, CoreWeave tem o preço mais competitivo.

Ao escolher um provedor para o gpt-oss-120b (high), considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do gpt-oss-120b (high), além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo

gpt-oss-120b (high) Benchmarking e análise de provedores de API

Mais rápido

Menor latência

Menor preço

Velocidade

Tempo de resposta de ponta a ponta

Preço

Acurácia do endpointNew

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

Endpoint Accuracy Index

Preços

Pricing: Cache Hit, Input, and Output

Cache Hit

Pricing: Blended Price

Price

Pricing: Cache Discount

Cache Price Discount

Output Speed vs. Price

Output Speed

Velocidade

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

Output Speed

Model Performance Representation

Latency vs. Output Speed

Output Speed

Latência

Tempo até o primeiro token da resposta final: provedores do gpt-oss-120b (high)

Time to First Answer Token

Median

Tempo de resposta de ponta a ponta

Tempo de resposta de ponta a ponta: provedores do gpt-oss-120b (high)

End-to-End Response Time

Avaliações do endpoint

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

Principais métricas de comparação e recursos da API

Perguntas frequentes

Onde posso acessar o gpt-oss-120b (high)?

Quantos provedores de API oferecem o gpt-oss-120b (high)?

Qual é o provedor mais rápido para o gpt-oss-120b (high)?

Qual provedor tem a menor latência para o gpt-oss-120b (high)?

Qual é o provedor mais barato para o gpt-oss-120b (high)?

Qual provedor tem o menor preço de entrada para o gpt-oss-120b (high)?

Qual provedor tem o menor preço de saída para o gpt-oss-120b (high)?

Quanto os preços variam entre os provedores do gpt-oss-120b (high)?

Quanto a velocidade varia entre os provedores do gpt-oss-120b (high)?

Quais provedores do gpt-oss-120b (high) são compatíveis com o modo JSON?

Quais provedores do gpt-oss-120b (high) são compatíveis com chamadas de funções?

Qual é o melhor provedor para o gpt-oss-120b (high)?

Como escolher um provedor para o gpt-oss-120b (high)?

O desempenho dos provedores do gpt-oss-120b (high) muda ao longo do tempo?

Quais são as capacidades gerais do gpt-oss-120b (high)?