gpt-oss-20b
よりコスパが高いモデル: Qwen3.5-4B $0.060/MでIndex 46.7(53%安い)。
より安価でスコアの高いランク付けモデルが3つあります:Ling 3.0 Flash (51.7, $0.115)、Nemotron 3 Nano 30B A3B (47.4, $0.088)、Qwen3.5-4B (46.7, $0.060)。
2026年11月16日時点で、gpt-oss-20b(OpenAI)のBenchLeader Indexは45.6です(ランク付け対象は608構成)。最も強いのは指示追従(58)、最も弱いのはエージェント・ツール(38)です。API料金は入力100万トークンあたり$0.070、出力100万トークンあたり$0.300(3:1のブレンドで$0.128)で、2026年11月16日時点の定価です。出力速度は約170トークン/秒です(Artificial Analysis)。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-20bのAPI料金は入力100万トークンあたり$0.070、出力100万トークンあたり$0.300(3:1のブレンドで$0.128)です(定価、2026年11月16日)。
- gpt-oss-20bの出力速度は約170トークン/秒です(Artificial Analysis、2026年11月16日)。
- gpt-oss-20b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-20b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(推論エフォート low)は、BenchLeader Indexで45.6 ±6.8を記録し、608構成中452位で下位半分に入ります。重要なのはこの「±」です。ほかに290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。カテゴリ別では指示追従が最も高く(58)、エージェント・ツールが最も低くなっています(38)。ブレンド価格は100万トークンあたり$0.128で、ランク付けされたモデルの中で最も安い5分の1に入ります。出力速度は174トークン/秒、回答開始まで1.4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:2025年8月5日。古いデータ:6か月間、新しい結果がありません
- ブレンド価格
- $0.128/M
- 入力$0.070・出力$0.300
- 出典:Artificial Analysis
- 出力速度
- 174 tok/s
- Artificial Analysisによる測定
- 回答開始
- 1.37 s
- 最初のトークン 0.35 s
- コンテキスト
- 131k
- 出典:models.dev
- 回答完了まで
- 14 s
- 最終測定2026年11月13日
- 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
- エージェント・ツール38
- 数学40
- 指示追従58
- 長文コンテキスト39
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-20b)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最良 | 45.6 | #452 | 174 tok/s | 1.37 s | $0.0001 | エージェント・ツール 38 · 指示追従 58 · 長文コンテキスト 39 · 数学 40 · 推論 40 |
| medium | – | – | 140 tok/s | 0.35 s | $0.0001 | コーディング 41 · 数学 51 · 推論 45 |
| high | 45.4 | #455 | 156 tok/s | 28 s | $0.0001 | エージェント・ツール 37 · コーディング 41 · 指示追従 65 · 長文コンテキスト 41 · 数学 45 · 推論 35 |
| 未記載 | 44.5 | #469 | 140 tok/s | 0.35 s | $0.0001 | エージェント・ツール 24 · コーディング 55 · 人間の評価 47 · 指示追従 36 · 知識 38 · 数学 57 · 推論 48 |
Indexの推移
2026年9月9日〜2026年11月16日- low
- high
- 標準
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 | 53.2%#222 | 60.8%#204 | 46.0%#247 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Promptsエフォート未記載 | – | – | – | 1323#250 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外 | 61.1%#376 | – | 68.8%#315 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外 | 5.3%#460 | – | 11.0%#324 | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | – | 4.8%#149 | – | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外エフォート未記載 | – | – | – | 68.9%#95 | Vals AI | |
| Kagi LLM Benchmarkエフォート未記載 | – | – | – | 53.2%#71 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)Index対象外エフォート未記載 | – | – | – | 59.4%#28 | HELM Capabilities | |
| CritPtIndex対象外 | 0.0%#337 | – | 1.4%#230 | – | Artificial Analysis | |
| Arena ExpertIndex対象外エフォート未記載 | – | – | – | 1316#236 | Arena (LMArena) | |
| LMCAIndex対象外 | – | – | 14.5%#182 | – | Epoch AI Benchmarking Hub | |
| DTBenchIndex対象外 | – | – | 68.0%#170 | – | Epoch AI Benchmarking Hub |
コーディング
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| SciCode | – | – | 38.9%#190 | – | SciCode | |
| WeirdML | – | 36.8%#122 | 40.9%#101 | – | WeirdML | |
| Arena Codingエフォート未記載 | – | – | – | 1368#234 | Arena (LMArena) | |
| SciCode (AA)Index対象外 | – | – | 38.9%#201 | – | Artificial Analysis | |
| LiveCodeBenchエフォート未記載 | – | – | – | 80.4%#69 | Vals AI | |
| ALE-BenchIndex対象外エフォート未記載 | – | – | – | 566.0#114 | Epoch AI Benchmarking Hub | |
| 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 | – | Artificial Analysis | |
| Design Arena WebsiteIndex対象外エフォート未記載 | – | – | – | 844#187 | Design Arena | |
| LiveCodeBench (AA)Index対象外 | 65.2%#91 | – | 77.7%#35 | – | Artificial Analysis |
エージェント・ツール
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| Terminal-Benchエフォート未記載 | – | – | – | 3.4%#105 | Terminal-Bench | |
| Terminal-Bench Hard | 4.5%#289 | – | 10.6%#226 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | 50.3%#199 | – | 60.2%#182 | – | Artificial Analysis | |
| GDPval-AA v2.1, normalised scoreIndex対象外 | – | – | 0.0%#124 | – | Artificial Analysis | |
| GDPval-AA v2.1Index対象外 | – | – | 347#258 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | – | 7.0%#166 | – | Artificial Analysis | |
| APEX-Agents (AA)Index対象外 | – | – | 0.7%#33 | – | Artificial Analysis | |
| AutomationBenchIndex対象外 | – | – | 0.2%#256 | – | Artificial Analysis | |
| GDP.pdf (AA)Index対象外 | – | – | 2.0%#225 | – | Artificial Analysis | |
| BrowseComp-PlusIndex対象外 | 4.0%#20 | 16.9%#10 | 21.4%#8 | – | BrowseComp-Plus | |
| BrowseCompIndex対象外エフォート未記載 | – | – | – | 1.3%#14 | OpenAI |
数学
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| OTIS Mock AIME | 40.3%#209 | 65.3%#166 | 50.8%#196 | – | Epoch AI Benchmarking Hub | |
| AIME (Vals)エフォート未記載 | – | – | – | 86.0%#33 | Vals AI | |
| MGSMエフォート未記載 | – | – | – | 89.0%#49 | Vals AI | |
| Omni-MATH (HELM)エフォート未記載 | – | – | – | 56.5%#11 | HELM Capabilities | |
| MATH 500Index対象外エフォート未記載 | – | – | – | 94.2%#10 | Vals AI | |
| Arena Mathsエフォート未記載 | – | – | – | 1335#213 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 62.3%#110 | – | 89.3%#30 | – | Artificial Analysis |
知識
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| MMLU-Proエフォート未記載 | – | – | 71.6%#113 | Vals AI | |
| LegalBenchエフォート未記載 | – | – | 70.8%#120 | Vals AI | |
| CorpFinエフォート未記載 | – | – | 53.1%#97 | Vals AI | |
| TaxEvalエフォート未記載 | – | – | 63.7%#117 | Vals AI | |
| MedQAエフォート未記載 | – | – | 82.9%#63 | Vals AI | |
| MultiNRCエフォート未記載汚染の可能性 | – | – | 10.4%#42 | Scale AI SEAL | |
| MMLU-Pro (HELM)Index対象外エフォート未記載 | – | – | 74.0%#31 | HELM Capabilities | |
| CaseLaw v2Index対象外エフォート未記載 | – | – | 43.8%#53 | Vals AI | |
| Global-MMLU-Lite (AA)Index対象外 | 72.8%#94 | 75.2%#88 | – | Artificial Analysis |
指示追従
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| IFBench | 57.8%#137 | 65.1%#104 | – | Artificial Analysis | |
| IFEval (HELM)エフォート未記載 | – | – | 73.2%#60 | HELM Capabilities | |
| WildBench (HELM)エフォート未記載 | – | – | 73.7%#55 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外エフォート未記載 | – | – | 1281#267 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1318#250 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外 | 665#122 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1241#284 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1289#261 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1303#265 | Arena (LMArena) |
長文コンテキスト
| ベンチマーク | low | high | 出典 | 推移 |
|---|---|---|---|---|
| AA-LCR v1.1 | 31.0%#418 | 34.7%#401 | Artificial Analysis | |
| MLCRIndex対象外 | – | 1.1%#177 | Artificial Analysis |
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 | – | – | 135.0#133 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 9.9#394 | 9.0#427 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 205.1#402 | 217.1#358 | – | Artificial Analysis | |
| HELM Capabilities meanIndex対象外エフォート未記載 | – | – | 67.4%#28 | HELM Capabilities |
安全性・誠実さ
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| FORTRESSIndex対象外 | 17.6%#32 | Scale AI SEAL | |
| MASKIndex対象外汚染の可能性 | 86.5%#14 | Scale AI SEAL |
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 |
|---|---|---|---|---|---|---|
| Amazon Bedrock | 406 tok/s | 0.37 s | $0.070 | $0.150 | 131k | – |
| Groq | 403 tok/s | 0.53 s | $0.075 | $0.300 | 131k | – |
| CoreWeave | 137 tok/s | 0.16 s | $0.030 | $0.130 | 131k | fp4 |
| Prime Intellect | 129 tok/s | 0.58 s | $0.020 | $0.030 | 131k | fp4 |
| Amazon Bedrock | 103 tok/s | 1.02 s | $0.070 | $0.150 | 131k | – |
| AkashML | 100 tok/s | 0.66 s | $0.018 | $0.090 | 131k | fp4 |
| DeepInfra | 92 tok/s | 0.31 s | $0.030 | $0.140 | 131k | bf16 |
| Darkbloom | 83 tok/s | 0.62 s | $0.018 | $0.090 | 131k | fp8 |
| DekaLLM | 81 tok/s | 0.58 s | $0.029 | $0.140 | 131k | bf16 |
| Parasail | 74 tok/s | 1.11 s | $0.030 | $0.150 | 131k | fp4 |
| DeepInfra | 47 tok/s | 1.33 s | $0.024 | $0.112 | 131k | bf16 |
| SiliconFlow | 41 tok/s | 1.13 s | $0.040 | $0.180 | 131k | fp8 |
価格の推移
上記の価格(100万トークンあたり)を、変更があった日ごとに示します。
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$0.037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 | $0.0001 | $0.0001 | 3.1 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.0010 | $0.0007 | 4.8 s |
| コード編集 | 6,000 / 1,500 | $0.0009 | $0.0007 | 10.0 s |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.0054 | $0.0039 | 24.3 s |
| 構造化データの抽出 | 2,000 / 200 | $0.0002 | $0.0002 | 2.5 s |
関連ページ
埋め込み・引用
gpt-oss-20b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-20b)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-20b on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-oss-20b
BibTeX:
@misc{benchleader_gpt_oss_20b_20261116,
author = {{BenchLeader}},
title = {{gpt-oss-20b on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-oss-20b}},
note = {Data as of 2026-11-16}
}よくある質問
- gpt-oss-20bのベンチマークスコアは?
- 2026年11月16日時点で、gpt-oss-20b(推論エフォート low)のBenchLeader Indexは45.6 ±6.8です。最も強いのは指示追従(58)、最も弱いのはエージェント・ツール(38)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-20bの順位は?
- 2026年11月16日時点で、gpt-oss-20b(推論エフォート low)はランク付けされた608構成中452位です。ほかに290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-20b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-20bの料金は入力100万トークンあたり$0.070、出力100万トークンあたり$0.300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$0.128です。定価が最後に変わったのは2026年10月24日です。
- gpt-oss-20bはいつリリースされましたか?
- OpenAIが2025年8月5日にgpt-oss-20b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-20b: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-20b