BenchLeader

gpt-oss-120b

推論エフォート
品質339中212位
46.1Index
中央値より下
中央値比 −4.1
価格255中55位
$0.262100万トークンあたり
安い方から4分の1
中央値の0.3倍
速度216中46位
129トークン/秒
上位4分の1
中央値の1.6倍
コスパ255中59位
176.0ポイント/$
上位4分の1
中央値の3.2倍

よりコスパが高いモデル: Qwen3.5-4B $0.060/MでIndex 46.7(77%安い)。

より安価でスコアの高いランク付けモデルが24つあります:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138)ほか21つ。

2026年11月16日時点で、gpt-oss-120b(OpenAI)のBenchLeader Indexは46.1です(ランク付け対象は608構成)。最も強いのは数学(64)、最も弱いのはエージェント・ツール(25)です。API料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.600(3:1のブレンドで$0.262)で、2026年11月16日時点の定価です。出力速度は約130トークン/秒です(OpenRouter)。2025年8月5日にリリースされました。

要点(2026年11月16日時点)

  • gpt-oss-120bのAPI料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.600(3:1のブレンドで$0.262)です(定価、2026年11月16日)。
  • gpt-oss-120bの出力速度は約130トークン/秒です(OpenRouter、2026年11月16日)。
  • gpt-oss-120bは2025年8月5日にリリースされました(OpenAI)。

詳しく見ると:gpt-oss-120bはOpenAIのオープンウェイトの推論モデルです(2025年8月5日リリース)。最もスコアの高い構成は、BenchLeader Indexで46.1 ±5.6を記録し、608構成中436位で下位半分に入ります。重要なのはこの「±」です。ほかに250構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(64)、エージェント・ツールが最も低くなっています(25)。ブレンド価格は100万トークンあたり$0.262で、ランク付けされたモデルの多くより安価です。出力速度は129トークン/秒、最初のトークンまで0.3秒で、最速の4分の1に入ります。4通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$0.262/M
入力$0.150・出力$0.600
出典:models.dev
出力速度
129 tok/s
OpenRouterのトラフィック(7日間の中央値)。Artificial Analysisによる測定はまだありません
回答開始
0.33 s
コンテキスト
131k
出典:models.dev
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年8月5日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index46
  2. 推論40
  3. コーディング42
  4. エージェント・ツール25
  5. 数学64
  6. 知識47
  7. 指示追従51
  8. 人間の評価51

この順位を埋め込む

ほかのバッジスタイル
[![gpt-oss-120b on BenchLeader: 総合 207位](https://www.benchleader.com/badge/gpt-oss-120b.svg?style=compact)](https://www.benchleader.com/models/gpt-oss-120b)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
low45.7#449176 tok/s1.98 s$0.0002エージェント・ツール 33 · コーディング 34 · 指示追従 59 · 長文コンテキスト 47
medium––129 tok/s0.33 s$0.0002コーディング 45
high45.3#456168 tok/s14 s$0.0002エージェント・ツール 45 · コーディング 38 · 指示追従 68 · 知識 20 · 長文コンテキスト 50 · 数学 50 · 推論 39
未記載最良46.1#436129 tok/s0.33 s$0.0002エージェント・ツール 25 · コーディング 42 · 人間の評価 51 · 指示追従 51 · 知識 47 · 数学 64 · 推論 40

Indexの推移

2026年9月8日〜2026年11月16日
374757
  • 標準
  • low
  • high

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

メタデータ

ベンチマークlowhigh出典推移
AA Openness IndexIndex対象外38.9#15538.9#155Artificial Analysis

推論

ベンチマークlowmediumhigh標準出典推移
GPQA Diamond––75.8%#156–Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載–––22.1%#103SimpleBench
Arena Hard Promptsエフォート未記載–––1362#213Arena (LMArena)
GPQA Diamond (AA)Index対象外67.2%#328–78.2%#215–Artificial Analysis
Humanity's Last Exam (AA)Index対象外5.9%#435–19.6%#236–Artificial Analysis
HLE-Diamond (AA)––3.8%#165–Artificial Analysis
GPQA Diamond (Vals)Index対象外エフォート未記載–––78.5%#71Vals AI
Kagi LLM Benchmarkエフォート未記載–––58.6%#53Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–––68.4%#12HELM Capabilities
CritPtIndex対象外0.0%#337–1.1%#242–Artificial Analysis
CritPt v2 hard subset (AA)––4.0%#116–Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–––1357#206Arena (LMArena)
Mystery Game PuzzlesIndex対象外–2.0%#1450.0%#146–Epoch AI Benchmarking Hub
LMCAIndex対象外––22.1%#164–Epoch AI Benchmarking Hub
DTBenchIndex対象外––76.3%#154–Epoch AI Benchmarking Hub

コーディング

ベンチマークlowmediumhigh標準出典推移
SciCode36.0%#206–34.0%#213–SciCode
WeirdML–41.9%#9548.2%#73–WeirdML
Arena Codingエフォート未記載–––1390#211Arena (LMArena)
SciCode (AA)Index対象外––34.0%#221–Artificial Analysis
LiveCodeBenchエフォート未記載–––83.2%#50Vals AI
SWE-bench (Vals)Index対象外エフォート未記載–––33.6%#85Vals AI
SWE-Bench Proエフォート未記載–––16.2%#19Scale AI SEAL
Aider Polyglot––41.8%#41–Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載–––26.0%#40SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載–––26.0%#53SWE-bench
SWE Atlas v1.1Index対象外エフォート未記載–––8.8%#28Scale AI SEAL
SWE Atlas v1.1: Codebase QnAIndex対象外エフォート未記載–––10.5%#28Scale AI SEAL
SWE Atlas v1.1: Test WritingIndex対象外エフォート未記載–––14.4%#28Scale AI SEAL
SWE Atlas v1.1: RefactoringIndex対象外エフォート未記載–––1.4%#28Scale AI SEAL
Surface Evolver BenchIndex対象外エフォート未記載–––25.0%#27Epoch AI Benchmarking Hub
ALE-BenchIndex対象外エフォート未記載–––575.6#113Epoch AI Benchmarking Hub
AlgoTuneIndex対象外––1.4#14–AlgoTune
Terminal-Bench 4.0 (AA)Index対象外––0.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外13.9%#187–26.2%#168–Artificial Analysis
GameBench 2 OverallIndex対象外設定全体–––28.5#54DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外22.9#19228.7#17533.9#158–DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載–––960#177Design Arena
FrontierCode 1.1 (AA)Index対象外––1.2%#80–Artificial Analysis
FrontierCode 2.0 (AA)––0.0%#125–Artificial Analysis
LiveCodeBench (AA)Index対象外70.7%#62–87.8%#7–Artificial Analysis

エージェント・ツール

ベンチマークlowmediumhigh標準出典推移
Terminal-Benchエフォート未記載–––18.7%#88Terminal-Bench
APEX-Agentsエフォート未記載–––4.4%#65Mercor
Terminal-Bench Hard5.3%#282–23.5%#154–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外45.0%#216–65.8%#168–Artificial Analysis
GDPval-AA v2.1, normalised scoreIndex対象外0.0%#124–5.4%#116–Artificial Analysis
GDPval-AA v2.1Index対象外179#277–615#229–Artificial Analysis
τ³-Banking (AA)2.9%#203–12.8%#133–Artificial Analysis
ITBench SRE (AA)Index対象外––5.7%#43–Artificial Analysis
APEX-Agents (AA)Index対象外––3.1%#30–Artificial Analysis
Poker AgentIndex対象外エフォート未記載–––1015.3%#13Vals AI
Terminal-Bench 2.0 (Vals)Index対象外エフォート未記載–––19.1%#57Vals AI
METR Time HorizonsIndex対象外エフォート未記載–––56.6%#22METR
Vending-Bench 2Index対象外エフォート未記載–––-21.5#70Andon Labs
AutomationBenchIndex対象外––0.2%#254–Artificial Analysis
GDP.pdf (AA)Index対象外––4.2%#203–Artificial Analysis
EnterpriseOps-GymIndex対象外––25.5%#49–Artificial Analysis
Terminal-Bench-Science 0.1 (AA)Index対象外––0.0%#115–Artificial Analysis
BrowseComp-PlusIndex対象外9.8%#1724.6%#743.6%#3–BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載–––1.6%#12OpenAI
FACTS SearchIndex対象外エフォート未記載–––57.6%#26Google

数学

ベンチマークlowhigh標準出典推移
OTIS Mock AIME–88.9%#86–Epoch AI Benchmarking Hub
AIME (Vals)エフォート未記載––92.6%#18Vals AI
MGSMエフォート未記載––92.0%#24Vals AI
MathArena Apex–1.0%#36–MathArena
Omni-MATH (HELM)エフォート未記載––68.8%#5HELM Capabilities
MATH 500Index対象外エフォート未記載––94.8%#6Vals AI
Arena Mathsエフォート未記載––1381#176Arena (LMArena)
AIME 2025 (AA)Index対象外66.7%#10093.4%#15–Artificial Analysis

知識

ベンチマークlowhigh標準出典推移
AA-Omniscience v1.1–-46.4#138–Artificial Analysis
MMLU-Proエフォート未記載––79.2%#96Vals AI
LegalBenchエフォート未記載––75.9%#111Vals AI
CorpFinエフォート未記載––58.2%#83Vals AI
TaxEvalエフォート未記載––71.6%#74Vals AI
MedQAエフォート未記載––91.4%#38Vals AI
PRBench Financeエフォート未記載––43.8%#26Scale AI SEAL
PRBench Legalエフォート未記載––40.2%#37Scale AI SEAL
MultiNRCエフォート未記載汚染の可能性––15.2%#40Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載––79.5%#20HELM Capabilities
CaseLaw v2Index対象外エフォート未記載––48.8%#50Vals AI
AA-Omniscience v1.1: accuracyIndex対象外–21.7%#115–Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外–13.1%#128–Artificial Analysis
Global-MMLU-Lite (AA)Index対象外80.1%#7182.8%#52–Artificial Analysis

指示追従

ベンチマークlowhigh標準出典推移
IFBench58.3%#13369.0%#76–Artificial Analysis
MultiChallengeエフォート未記載––45.3%#32Scale AI SEAL
IFEval (HELM)エフォート未記載––83.6%#30HELM Capabilities
WildBench (HELM)エフォート未記載––84.5%#14HELM Capabilities
Arena Instruction FollowingIndex対象外エフォート未記載––1324#221Arena (LMArena)

人間の評価

ベンチマーク標準出典推移
Arena Text1352#207Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外956#106EQ-Bench
Arena Creative WritingIndex対象外1279#248Arena (LMArena)
Arena Multi-turnIndex対象外1326#224Arena (LMArena)
Arena Longer QueriesIndex対象外1324#247Arena (LMArena)
Lech Mazur Creative WritingIndex対象外77.1%#20Lech Mazur

長文コンテキスト

ベンチマークlowhigh標準出典推移
AA-LCR v1.146.0%#35452.0%#337–Artificial Analysis
MLCRIndex対象外–1.7%#174–Artificial Analysis
FACTS GroundingIndex対象外エフォート未記載––20.1%#26Google

総合

ベンチマークlowhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––140.2#115Epoch AI Benchmarking Hub
AA Intelligence Index v5.0.1Index対象外–3.8#127–Artificial Analysis
AA Intelligence Index v4.3.2Index対象外10.2#39111.6#359–Artificial Analysis
AA Progress Index v1Index対象外215#363239.8#291–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載––77.0%#9HELM Capabilities

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外8.2%#3Scale AI SEAL
MASKIndex対象外汚染の可能性92.0%#6Scale AI SEAL
DistressBenchIndex対象外63.7%#37Scale AI SEAL

GameBench 2 Overall: 28.5. GameBench 2, best reasoning setting (High): 33.9. 参考値で、BenchLeader Indexには含まれません。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

強みのあるベンチマーク

測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
Cerebras980 tok/s0.18 s$0.350$0.750131kfp16
Groq360 tok/s0.16 s$0.150$0.600131k–
SambaNova347 tok/s1.06 s$0.140$0.950131k–
Nebius Token Factory347 tok/s0.22 s$0.150$0.600131kfp4
Parasail224 tok/s0.20 s$0.150$0.750131kfp4
Google Vertex201 tok/s0.17 s$0.090$0.360131k–
Baseten198 tok/s0.14 s$0.100$0.500128kfp4
Baseten174 tok/s0.14 s$0.100$0.500128kfp4
Parasail160 tok/s0.50 s$0.100$0.750131kfp4
Crusoe150 tok/s0.20 s$0.050$0.250131kbf16
Amazon Bedrock145 tok/s0.61 s$0.150$0.600131k–
CoreWeave141 tok/s0.22 s$0.030$0.170131kfp4
Amazon Bedrock115 tok/s0.54 s$0.150$0.600131k–
Sail Research105 tok/s0.51 s$0.060$0.400131kfp4
Together105 tok/s0.19 s$0.150$0.600131k–
AkashML104 tok/s0.37 s$0.030$0.187131kfp4
Prime Intellect78 tok/s0.59 s$0.035$0.075131kfp4
io.net61 tok/s0.63 s$0.250$0.450131kfp4
DeepInfra (fp8)61 tok/s1.39 s$0.200$0.950131kfp8
NEAR AI56 tok/s0.67 s$0.030$0.150131kfp4
DigitalOcean52 tok/s0.48 s$0.060$0.420128k–
Mancer52 tok/s0.63 s$0.070$0.250131kfp8
DekaLLM51 tok/s0.64 s$0.030$0.180131kbf16
SiliconFlow45 tok/s1.07 s$0.150$0.600131kfp8
DeepInfra (bf16)34 tok/s0.44 s$0.037$0.170131kbf16
Venice32 tok/s0.68 s$0.030$0.150128kint4

利用状況

gpt-oss-120bが実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー

OpenRouter、過去1週間
#54
トークンシェア0.21%

出典: 利用状況: OpenRouterのランキング・2026年11月16日時点のデータ。

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.100のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0002$0.00022.7 s
30ページのレポートを要約12,000 / 600$0.0022$0.00175.0 s
コード編集6,000 / 1,500$0.0018$0.001612.0 s
エージェント型コーディングセッション60,000 / 4,000$0.011$0.009231.3 s
構造化データの抽出2,000 / 200$0.0004$0.00031.9 s

OpenAIのほかのモデル

今月の新着

関連ページ

埋め込み・引用

gpt-oss-120bの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![gpt-oss-120b on BenchLeader: 総合 207位](https://www.benchleader.com/badge/gpt-oss-120b.svg)](https://www.benchleader.com/models/gpt-oss-120b)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). gpt-oss-120b on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-oss-120b

BibTeX:

@misc{benchleader_gpt_oss_120b_20261116,
  author       = {{BenchLeader}},
  title        = {{gpt-oss-120b on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-oss-120b}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

gpt-oss-120bのベンチマークスコアは?
2026年11月16日時点で、gpt-oss-120bのBenchLeader Indexは46.1 ±5.6です。最も強いのは数学(64)、最も弱いのはエージェント・ツール(25)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
gpt-oss-120bの順位は?
2026年11月16日時点で、gpt-oss-120bはランク付けされた608構成中436位です。ほかに250構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
gpt-oss-120bの料金は100万トークンあたりいくらですか?
2026年11月16日時点で、gpt-oss-120bの料金は入力100万トークンあたり$0.150、出力100万トークンあたり$0.600で、ブレンド価格(出力1トークンにつき入力3トークン)は$0.262です。
gpt-oss-120bはいつリリースされましたか?
OpenAIが2025年8月5日にgpt-oss-120bをリリースしました。BenchLeaderには4通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「gpt-oss-120b:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-oss-120b