BenchLeader

gpt-oss-20b

推論エフォート
品質339中219位
45.6Index
中央値より下
中央値比 −4.6
価格255中22位
$0.128100万トークンあたり
安い方から10%
中央値の0.2倍
速度216中29位
174トークン/秒
上位4分の1
中央値の2.1倍
コスパ255中25位
356.3ポイント/$
上位10%
中央値の6.4倍

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
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. エージェント・ツール38
  4. 数学40
  5. 指示追従58
  6. 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
[![gpt-oss-20b on BenchLeader: 総合 214位](https://www.benchleader.com/badge/gpt-oss-20b.svg?style=compact)](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。

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
low最良45.6#452174 tok/s1.37 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/s0.35 s$0.0001コーディング 41 · 数学 51 · 推論 45
high45.4#455156 tok/s28 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#469140 tok/s0.35 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
374655
  • 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 Diamond53.2%#22260.8%#20446.0%#247–Epoch AI Benchmarking Hub
Arena Hard Promptsエフォート未記載–––1323#250Arena (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%#95Vals AI
Kagi LLM Benchmarkエフォート未記載–––53.2%#71Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–––59.4%#28HELM 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#236Arena (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lowmediumhigh標準出典推移
SciCode––38.9%#190–SciCode
WeirdML–36.8%#12240.9%#101–WeirdML
Arena Codingエフォート未記載–––1368#234Arena (LMArena)
SciCode (AA)Index対象外––38.9%#201–Artificial Analysis
LiveCodeBenchエフォート未記載–––80.4%#69Vals AI
ALE-BenchIndex対象外エフォート未記載–––566.0#114Epoch 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#187Design 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lowmediumhigh標準出典推移
Terminal-Benchエフォート未記載–––3.4%#105Terminal-Bench
Terminal-Bench Hard4.5%#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%#2016.9%#1021.4%#8–BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載–––1.3%#14OpenAI

数学

ベンチマークlowmediumhigh標準出典推移
OTIS Mock AIME40.3%#20965.3%#16650.8%#196–Epoch AI Benchmarking Hub
AIME (Vals)エフォート未記載–––86.0%#33Vals AI
MGSMエフォート未記載–––89.0%#49Vals AI
Omni-MATH (HELM)エフォート未記載–––56.5%#11HELM Capabilities
MATH 500Index対象外エフォート未記載–––94.2%#10Vals AI
Arena Mathsエフォート未記載–––1335#213Arena (LMArena)
AIME 2025 (AA)Index対象外62.3%#110–89.3%#30–Artificial Analysis

知識

ベンチマークlowhigh標準出典推移
MMLU-Proエフォート未記載––71.6%#113Vals AI
LegalBenchエフォート未記載––70.8%#120Vals AI
CorpFinエフォート未記載––53.1%#97Vals AI
TaxEvalエフォート未記載––63.7%#117Vals AI
MedQAエフォート未記載––82.9%#63Vals AI
MultiNRCエフォート未記載汚染の可能性––10.4%#42Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載––74.0%#31HELM Capabilities
CaseLaw v2Index対象外エフォート未記載––43.8%#53Vals AI
Global-MMLU-Lite (AA)Index対象外72.8%#9475.2%#88–Artificial Analysis

指示追従

ベンチマークlowhigh標準出典推移
IFBench57.8%#13765.1%#104–Artificial Analysis
IFEval (HELM)エフォート未記載––73.2%#60HELM Capabilities
WildBench (HELM)エフォート未記載––73.7%#55HELM Capabilities
Arena Instruction FollowingIndex対象外エフォート未記載––1281#267Arena (LMArena)

人間の評価

ベンチマーク標準出典推移
Arena Text1318#250Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外665#122EQ-Bench
Arena Creative WritingIndex対象外1241#284Arena (LMArena)
Arena Multi-turnIndex対象外1289#261Arena (LMArena)
Arena Longer QueriesIndex対象外1303#265Arena (LMArena)

長文コンテキスト

ベンチマークlowhigh出典推移
AA-LCR v1.131.0%#41834.7%#401Artificial Analysis
MLCRIndex対象外–1.1%#177Artificial Analysis

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––135.0#133Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外9.9#3949.0#427–Artificial Analysis
AA Progress Index v1Index対象外205.1#402217.1#358–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載––67.4%#28HELM 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%#32Scale AI SEAL
MASKIndex対象外汚染の可能性86.5%#14Scale 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 Bedrock406 tok/s0.37 s$0.070$0.150131k–
Groq403 tok/s0.53 s$0.075$0.300131k–
CoreWeave137 tok/s0.16 s$0.030$0.130131kfp4
Prime Intellect129 tok/s0.58 s$0.020$0.030131kfp4
Amazon Bedrock103 tok/s1.02 s$0.070$0.150131k–
AkashML100 tok/s0.66 s$0.018$0.090131kfp4
DeepInfra92 tok/s0.31 s$0.030$0.140131kbf16
Darkbloom83 tok/s0.62 s$0.018$0.090131kfp8
DekaLLM81 tok/s0.58 s$0.029$0.140131kbf16
Parasail74 tok/s1.11 s$0.030$0.150131kfp4
DeepInfra47 tok/s1.33 s$0.024$0.112131kbf16
SiliconFlow41 tok/s1.13 s$0.040$0.180131kfp8

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。

$0.00$0.083$0.165$0.247$0.33026年9月26年10月26年11月
入力 出力
現在:入力$0.070・出力$0.300

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$0.00013.1 s
30ページのレポートを要約12,000 / 600$0.0010$0.00074.8 s
コード編集6,000 / 1,500$0.0009$0.000710.0 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$0.003924.3 s
構造化データの抽出2,000 / 200$0.0002$0.00022.5 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-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。

[![gpt-oss-20b on BenchLeader: 総合 214位](https://www.benchleader.com/badge/gpt-oss-20b.svg)](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}
}

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-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