gpt-oss-120b
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
- 総合Index46
- 推論40
- コーディング42
- エージェント・ツール25
- 数学64
- 知識47
- 指示追従51
- 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[](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。
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 |
|---|---|---|---|---|---|---|
| low | 45.7 | #449 | 176 tok/s | 1.98 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/s | 0.33 s | $0.0002 | コーディング 45 |
| high | 45.3 | #456 | 168 tok/s | 14 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 | #436 | 129 tok/s | 0.33 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- 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 | low | high | 出典 | 推移 |
|---|---|---|---|---|
| AA Openness IndexIndex対象外 | 38.9#155 | 38.9#155 | Artificial Analysis |
推論
| ベンチマーク | low | medium | high | 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%#103 | SimpleBench | |
| Arena Hard Promptsエフォート未記載 | – | – | – | 1362#213 | Arena (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%#71 | Vals AI | |
| Kagi LLM Benchmarkエフォート未記載 | – | – | – | 58.6%#53 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)Index対象外エフォート未記載 | – | – | – | 68.4%#12 | HELM 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#206 | Arena (LMArena) | |
| Mystery Game PuzzlesIndex対象外 | – | 2.0%#145 | 0.0%#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
エージェント・ツール
数学
| ベンチマーク | low | high | 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%#18 | Vals AI | |
| MGSMエフォート未記載 | – | – | 92.0%#24 | Vals AI | |
| MathArena Apex | – | 1.0%#36 | – | MathArena | |
| Omni-MATH (HELM)エフォート未記載 | – | – | 68.8%#5 | HELM Capabilities | |
| MATH 500Index対象外エフォート未記載 | – | – | 94.8%#6 | Vals AI | |
| Arena Mathsエフォート未記載 | – | – | 1381#176 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 66.7%#100 | 93.4%#15 | – | Artificial Analysis |
知識
| ベンチマーク | low | high | 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%#96 | Vals AI | |
| LegalBenchエフォート未記載 | – | – | 75.9%#111 | Vals AI | |
| CorpFinエフォート未記載 | – | – | 58.2%#83 | Vals AI | |
| TaxEvalエフォート未記載 | – | – | 71.6%#74 | Vals AI | |
| MedQAエフォート未記載 | – | – | 91.4%#38 | Vals AI | |
| PRBench Financeエフォート未記載 | – | – | 43.8%#26 | Scale AI SEAL | |
| PRBench Legalエフォート未記載 | – | – | 40.2%#37 | Scale AI SEAL | |
| MultiNRCエフォート未記載汚染の可能性 | – | – | 15.2%#40 | Scale AI SEAL | |
| MMLU-Pro (HELM)Index対象外エフォート未記載 | – | – | 79.5%#20 | HELM Capabilities | |
| CaseLaw v2Index対象外エフォート未記載 | – | – | 48.8%#50 | Vals 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%#71 | 82.8%#52 | – | Artificial Analysis |
指示追従
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| IFBench | 58.3%#133 | 69.0%#76 | – | Artificial Analysis | |
| MultiChallengeエフォート未記載 | – | – | 45.3%#32 | Scale AI SEAL | |
| IFEval (HELM)エフォート未記載 | – | – | 83.6%#30 | HELM Capabilities | |
| WildBench (HELM)エフォート未記載 | – | – | 84.5%#14 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外エフォート未記載 | – | – | 1324#221 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1352#207 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外 | 956#106 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1279#248 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1326#224 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1324#247 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 77.1%#20 | Lech Mazur |
長文コンテキスト
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| AA-LCR v1.1 | 46.0%#354 | 52.0%#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%#26 |
総合
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| Epoch Capabilities IndexIndex対象外エフォート未記載 | – | – | 140.2#115 | Epoch 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#391 | 11.6#359 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 215#363 | 239.8#291 | – | Artificial Analysis | |
| HELM Capabilities meanIndex対象外エフォート未記載 | – | – | 77.0%#9 | HELM 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%#3 | Scale AI SEAL | |
| MASKIndex対象外汚染の可能性 | 92.0%#6 | Scale AI SEAL | |
| DistressBenchIndex対象外 | 63.7%#37 | Scale 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 |
|---|---|---|---|---|---|---|
| Cerebras | 980 tok/s | 0.18 s | $0.350 | $0.750 | 131k | fp16 |
| Groq | 360 tok/s | 0.16 s | $0.150 | $0.600 | 131k | – |
| SambaNova | 347 tok/s | 1.06 s | $0.140 | $0.950 | 131k | – |
| Nebius Token Factory | 347 tok/s | 0.22 s | $0.150 | $0.600 | 131k | fp4 |
| Parasail | 224 tok/s | 0.20 s | $0.150 | $0.750 | 131k | fp4 |
| Google Vertex | 201 tok/s | 0.17 s | $0.090 | $0.360 | 131k | – |
| Baseten | 198 tok/s | 0.14 s | $0.100 | $0.500 | 128k | fp4 |
| Baseten | 174 tok/s | 0.14 s | $0.100 | $0.500 | 128k | fp4 |
| Parasail | 160 tok/s | 0.50 s | $0.100 | $0.750 | 131k | fp4 |
| Crusoe | 150 tok/s | 0.20 s | $0.050 | $0.250 | 131k | bf16 |
| Amazon Bedrock | 145 tok/s | 0.61 s | $0.150 | $0.600 | 131k | – |
| CoreWeave | 141 tok/s | 0.22 s | $0.030 | $0.170 | 131k | fp4 |
| Amazon Bedrock | 115 tok/s | 0.54 s | $0.150 | $0.600 | 131k | – |
| Sail Research | 105 tok/s | 0.51 s | $0.060 | $0.400 | 131k | fp4 |
| Together | 105 tok/s | 0.19 s | $0.150 | $0.600 | 131k | – |
| AkashML | 104 tok/s | 0.37 s | $0.030 | $0.187 | 131k | fp4 |
| Prime Intellect | 78 tok/s | 0.59 s | $0.035 | $0.075 | 131k | fp4 |
| io.net | 61 tok/s | 0.63 s | $0.250 | $0.450 | 131k | fp4 |
| DeepInfra (fp8) | 61 tok/s | 1.39 s | $0.200 | $0.950 | 131k | fp8 |
| NEAR AI | 56 tok/s | 0.67 s | $0.030 | $0.150 | 131k | fp4 |
| DigitalOcean | 52 tok/s | 0.48 s | $0.060 | $0.420 | 128k | – |
| Mancer | 52 tok/s | 0.63 s | $0.070 | $0.250 | 131k | fp8 |
| DekaLLM | 51 tok/s | 0.64 s | $0.030 | $0.180 | 131k | bf16 |
| SiliconFlow | 45 tok/s | 1.07 s | $0.150 | $0.600 | 131k | fp8 |
| DeepInfra (bf16) | 34 tok/s | 0.44 s | $0.037 | $0.170 | 131k | bf16 |
| Venice | 32 tok/s | 0.68 s | $0.030 | $0.150 | 128k | int4 |
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
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 | $0.0002 | 2.7 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.0022 | $0.0017 | 5.0 s |
| コード編集 | 6,000 / 1,500 | $0.0018 | $0.0016 | 12.0 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 | $0.0092 | 31.3 s |
| 構造化データの抽出 | 2,000 / 200 | $0.0004 | $0.0003 | 1.9 s |
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。
[](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}
}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