OpenAI logo
OpenAI
•
gpt-oss-120b
•

Open weights model

•

Released agosto de 2025

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

Comparação de modelos

Esta análise ajuda você a escolher o melhor provedor de API de gpt-oss-120b (high) para seu caso de uso.

Mais rápido

#1
CerebrasCerebras
1,650.1 t/s
#2
SambaNovaSambaNova
707.6 t/s
#3
GroqGroq
474.2 t/s
#4
AzureAzure
343.1 t/s
#5
BasetenBaseten
318.2 t/s

Velocidade de saída

17 provedores no total

Menor latência

#1
CerebrasCerebras
1.65 s
#2
SambaNovaSambaNova
3.71 s
#3
GroqGroq
4.95 s
#4
AzureAzure
6.52 s
#5
BasetenBaseten
6.52 s

Tempo até o primeiro token da resposta final

17 provedores no total

Menor preço

#1
CoreWeaveCoreWeave
$0.04
#2
DeepInfraDeepInfra
$0.05
#3
NovitaNovita
$0.07
#4
Google VertexGoogle Vertex
$0.12
#5
ParasailParasail
$0.13

Preço combinado (por 1M de tokens)

17 provedores no total

gpt-oss-120b (high) está disponível em 17 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 (1,650.1 t/s), SambaNova (707.6 t/s) e Groq (474.2 t/s). A velocidade varia significativamente entre os provedores, com uma diferença de 3747% entre o mais rápido e o mais lento.
  • Em latência, Cerebras (1.65s), SambaNova (3.71s) e Groq (4.95s) têm o menor tempo até o primeiro token da resposta final.
  • Em preço, CoreWeave (0.04), DeepInfra (0.05) e Novita (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

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

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

Logo: GroqGroq
86%
131k
Aberto
$0.06
475
0.74
6.00
4.21
Logo: CloudflareCloudflare
70%
116k
Aberto
$0.15
--
--
--
--
Logo: ScalewayScaleway
97%
128k
Aberto
$0.08
154
1.22
17.41
12.95
Logo: CoreWeaveCoreWeave
98%
131k
Aberto
$0.02
44
1.35
58.37
45.61
Logo: Microsoft AzureMicrosoft Azure
93%
131k
Aberto
$0.07
343
0.69
7.98
5.83
Logo: NovitaNovita
91%
131k
Aberto
$0.03
97
0.94
26.65
20.57
Logo: DeepInfraDeepInfra
84%
131k
Aberto
$0.07
218
0.79
12.26
9.18
Logo: DeepInfraDeepInfra
97%
131k
Aberto
$0.02
43
0.60
58.76
46.52
Logo: CerebrasCerebras
87%
131k
Aberto
$0.15
1,688
0.44
1.92
1.18
Logo: GoogleGoogle
72%
131k
Aberto
$0.04
77
0.89
33.57
26.14
Logo: BasetenBaseten
n/d
128k
Aberto
$0.05
323
0.24
7.97
6.19
Logo: SambaNovaSambaNova
98%
131k
Aberto
$0.10
708
0.88
4.41
2.83
Logo: ParasailParasail
98%
131k
Aberto
--
131
0.69
19.71
15.22
Logo: NebiusNebius
97%
128k
Aberto
$0.07
304
0.99
9.21
6.58
Logo: HyperbolicHyperbolic
n/d
131k
Aberto
$0.11
--
--
--
--
Logo: Amazon BedrockAmazon Bedrock
101%
131k
Aberto
$0.07
83
0.98
31.24
24.21
Logo: Together AITogether AI
83%
131k
Aberto
$0.07
145
0.55
17.77
13.78

Perguntas frequentes

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

gpt-oss-120b (high) está disponível em 17 provedores de API: Groq, Cloudflare, Scaleway, CoreWeave, Azure, Novita, DeepInfra (Turbo), DeepInfra, Cerebras, Google Vertex, Baseten, SambaNova, Parasail, Nebius (Base), Hyperbolic, Amazon e Together AI. Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o gpt-oss-120b (high) está disponível em 17 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o gpt-oss-120b (high) em velocidade de saída são Cerebras (1,650.1 t/s), SambaNova (707.6 t/s) e Groq (474.2 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 (1.65s), SambaNova (3.71s) e Groq (4.95s). 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 Novita ($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 CoreWeave ($0.17 por 1M de tokens de saída), DeepInfra ($0.17 por 1M de tokens de saída) e Novita ($0.25 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 1,650.1 t/s, 38.5x mais rápido que DeepInfra, com 42.9 t/s.

Todos os 17 provedores do gpt-oss-120b (high) são compatíveis com o modo JSON para saída estruturada.

Todos os 17 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