所有发布

Hermes 4 - Llama-3.1 405B vs. gpt-oss-120b：发布比较

Hermes 4 - Llama-3.1 405B 与 gpt-oss-120b 发布比较：分别包含 2 个和 2 个模型，各自具有不同的智能、性能与价格特征。下方对全部 4 个模型的关键指标进行了比较。

  • 智能方面，gpt-oss-120b 得分最高：gpt-oss-120b (High)（12），Hermes 4 - Llama-3.1 405B 为 Hermes 4 - Llama-3.1 405B (Reasoning)（7）。
  • 输出速度方面，gpt-oss-120b 最快：gpt-oss-120b (Low)（242 token/秒），Hermes 4 - Llama-3.1 405B 为 Hermes 4 - Llama-3.1 405B (Reasoning)（41 token/秒）。
模型 Playground

比较的发布

gpt-oss-120b (high)gpt-oss-120b (low)Hermes 4 405BHermes 4 405B (non-reasoning)
Intelligence Index
12
10*
7*
7*
财务与会计
12
--
--
--
战略与运营
8
--
--
--
法律
11
--
--
--
医疗与健康
11
--
--
--
每任务成本美元
$0.11
--
--
--
输出速度Token/秒
230
242
41
38
首 Token 延迟秒
0.83
0.84
2.33
2.34
上下文窗口
131k
131k
128k
128k
开发商
OpenAI
OpenAI
Nous Research
Nous Research
许可证
开放
开放
开放
开放
输入模态

支持：文本

支持：文本

支持：文本

支持：文本

输出模态

支持：文本

支持：文本

支持：文本

支持：文本

服务商
GroqScalewayCoreWeave
+13
SnowflakeHyperbolicNebius
+13
Nebius
Nebius

* 估计值

智能

Artificial Analysis Intelligence Index · Higher is better

速度

Output tokens per second · Higher is better

每任务成本

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

智能

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
Estimate (independent evaluation forthcoming)

Intelligence Index 与每项任务的成本

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line
AA-Briefcase v1.1
GDPval-AA v2.1

单任务成本（美元，对数刻度）

成本

每项 Intelligence Index 任务的成本

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

速度与延迟

输出速度

Output tokens per second · Higher is better

能力得分

能力指数

衡量模型在特定能力与行业中的表现
Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 6 evaluations: GDPval-AA v2.1, AA-Briefcase v1.1, AA-Omniscience, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AA-LCR v1.1, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 6 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, MLCR-AA, Humanity's Last Exam, AutomationBench-AA · Higher is better

Engineering 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

Economics Index

Incorporates 5 evaluations: AA-Omniscience, Humanity's Last Exam, GDPval-AA v2.1, AA-Briefcase v1.1, AA-LCR v1.1 · Higher is better