gpt-oss-20b
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,便宜 53%。
有 3 个更便宜的已排名模型得分更高:Ling 3.0 Flash (51.7, $0.115)、Nemotron 3 Nano 30B A3B (47.4, $0.088)、Qwen3.5-4B (46.7, $0.060)。
截至 2026年11月16日,gpt-oss-20b(OpenAI)在 BenchLeader Index 上得分 45.6(共 608 个已排名配置)。表现最好的是指令遵循(58),最弱的是智能体与工具(38)。API 价格为输入每百万 token $0.070、输出每百万 token $0.300(按 3:1 混合为 $0.128),为 2026年11月16日的标价。输出速度约为 170 token/秒(Artificial Analysis)。发布于 2025年8月5日。
要点(截至 2026年11月16日)
- gpt-oss-20b 的 API 价格为输入每百万 token $0.070、输出每百万 token $0.300(按 3:1 混合为 $0.128)(标价,2026年11月16日)。
- gpt-oss-20b 的输出速度约为 170 token/秒(Artificial Analysis,2026年11月16日)。
- gpt-oss-20b 于 2025年8月5日发布(OpenAI)。
详细说明:gpt-oss-20b 是 OpenAI 的开放权重推理模型,发布于 2025年8月5日。其最佳配置(推理强度 low)在 BenchLeader Index 上得分 45.6 ±6.8,在 608 个配置中排第 452 名,处于下半区。关键在于这个“±”:另有 290 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(58),智能体与工具最低(38)。按混合价格计,每百万 token $0.128,属于已排名模型中最便宜的五分之一。输出速度为 174 token/秒,首次回答需 1.4 秒,位于最快的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2025年8月5日。数据较旧:六个月内没有新结果
- 混合价格
- $0.128/M
- 输入 $0.070 · 输出 $0.300
- 来源:Artificial Analysis
- 输出速度
- 174 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 1.37 s
- 首 token 0.35 s
- 上下文
- 131k
- 来源:models.dev
- 完整回答
- 14 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年8月5日
- 综合 Index46
- 推理40
- 智能体与工具38
- 数学40
- 指令遵循58
- 长上下文39
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-oss-20b)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| low最佳 | 45.6 | #452 | 174 tok/s | 1.37 s | $0.0001 | 智能体与工具 38 · 指令遵循 58 · 长上下文 39 · 数学 40 · 推理 40 |
| medium | – | – | 140 tok/s | 0.35 s | $0.0001 | 编程 41 · 数学 51 · 推理 45 |
| high | 45.4 | #455 | 156 tok/s | 28 s | $0.0001 | 智能体与工具 37 · 编程 41 · 指令遵循 65 · 长上下文 41 · 数学 45 · 推理 35 |
| 未说明 | 44.5 | #469 | 140 tok/s | 0.35 s | $0.0001 | 智能体与工具 24 · 编程 55 · 人类偏好 47 · 指令遵循 36 · 知识 38 · 数学 57 · 推理 48 |
Index 走势
2026年9月9日 至 2026年11月16日- low
- high
- 默认
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | low | high | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 38.9#155 | 38.9#155 | Artificial Analysis |
推理
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| GPQA Diamond | 53.2%#222 | 60.8%#204 | 46.0%#247 | – | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | – | 1323#250 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 61.1%#376 | – | 68.8%#315 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.3%#460 | – | 11.0%#324 | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | – | 4.8%#149 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | – | 68.9%#95 | Vals AI | |
| Kagi LLM Benchmark推理强度未说明 | – | – | – | 53.2%#71 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | – | – | 59.4%#28 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | – | 1.4%#230 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | – | 1316#236 | Arena (LMArena) | |
| LMCA不计入 Index | – | – | 14.5%#182 | – | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | – | 68.0%#170 | – | Epoch AI Benchmarking Hub |
编程
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SciCode | – | – | 38.9%#190 | – | SciCode | |
| WeirdML | – | 36.8%#122 | 40.9%#101 | – | WeirdML | |
| Arena Coding推理强度未说明 | – | – | – | 1368#234 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | – | – | 38.9%#201 | – | Artificial Analysis | |
| LiveCodeBench推理强度未说明 | – | – | – | 80.4%#69 | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | – | 566.0#114 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | – | – | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | – | – | 13.9%#187 | – | Artificial Analysis | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | – | 844#187 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 65.2%#91 | – | 77.7%#35 | – | Artificial Analysis |
智能体与工具
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | – | 3.4%#105 | Terminal-Bench | |
| Terminal-Bench Hard | 4.5%#289 | – | 10.6%#226 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 50.3%#199 | – | 60.2%#182 | – | Artificial Analysis | |
| GDPval-AA v2.1, normalised score不计入 Index | – | – | 0.0%#124 | – | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | – | – | 347#258 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | – | 7.0%#166 | – | Artificial Analysis | |
| APEX-Agents (AA)不计入 Index | – | – | 0.7%#33 | – | Artificial Analysis | |
| AutomationBench不计入 Index | – | – | 0.2%#256 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | – | – | 2.0%#225 | – | Artificial Analysis | |
| BrowseComp-Plus不计入 Index | 4.0%#20 | 16.9%#10 | 21.4%#8 | – | BrowseComp-Plus | |
| BrowseComp不计入 Index推理强度未说明 | – | – | – | 1.3%#14 | OpenAI |
数学
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| OTIS Mock AIME | 40.3%#209 | 65.3%#166 | 50.8%#196 | – | Epoch AI Benchmarking Hub | |
| AIME (Vals)推理强度未说明 | – | – | – | 86.0%#33 | Vals AI | |
| MGSM推理强度未说明 | – | – | – | 89.0%#49 | Vals AI | |
| Omni-MATH (HELM)推理强度未说明 | – | – | – | 56.5%#11 | HELM Capabilities | |
| MATH 500不计入 Index推理强度未说明 | – | – | – | 94.2%#10 | Vals AI | |
| Arena Maths推理强度未说明 | – | – | – | 1335#213 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 62.3%#110 | – | 89.3%#30 | – | Artificial Analysis |
知识
| 基准测试 | low | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| MMLU-Pro推理强度未说明 | – | – | 71.6%#113 | Vals AI | |
| LegalBench推理强度未说明 | – | – | 70.8%#120 | Vals AI | |
| CorpFin推理强度未说明 | – | – | 53.1%#97 | Vals AI | |
| TaxEval推理强度未说明 | – | – | 63.7%#117 | Vals AI | |
| MedQA推理强度未说明 | – | – | 82.9%#63 | Vals AI | |
| MultiNRC推理强度未说明可能存在污染 | – | – | 10.4%#42 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | – | 74.0%#31 | HELM Capabilities | |
| CaseLaw v2不计入 Index推理强度未说明 | – | – | 43.8%#53 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 72.8%#94 | 75.2%#88 | – | Artificial Analysis |
指令遵循
| 基准测试 | low | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 57.8%#137 | 65.1%#104 | – | Artificial Analysis | |
| IFEval (HELM)推理强度未说明 | – | – | 73.2%#60 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | 73.7%#55 | HELM Capabilities | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1281#267 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1318#250 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 665#122 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1241#284 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1289#261 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1303#265 | Arena (LMArena) |
长上下文
| 基准测试 | low | high | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 31.0%#418 | 34.7%#401 | Artificial Analysis | |
| MLCR不计入 Index | – | 1.1%#177 | Artificial Analysis |
综合
| 基准测试 | low | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 135.0#133 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 9.9#394 | 9.0#427 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 205.1#402 | 217.1#358 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | 67.4%#28 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 17.6%#32 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 86.5%#14 | Scale AI SEAL |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| 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 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.037。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0001 | $0.0001 | 3.1 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0010 | $0.0007 | 4.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.0009 | $0.0007 | 10.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0054 | $0.0039 | 24.3 s |
| 结构化信息提取 | 2,000 / 200 | $0.0002 | $0.0002 | 2.5 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 gpt-oss-20b 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gpt-oss-20b)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
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}
}常见问题
- gpt-oss-20b 的基准测试得分是多少?
- 截至 2026年11月16日,gpt-oss-20b(推理强度 low)的 BenchLeader Index 为 45.6 ±6.8。最强的是指令遵循(58),最弱的是智能体与工具(38)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- gpt-oss-20b 排名第几?
- 截至 2026年11月16日,gpt-oss-20b(推理强度 low)在 608 个已排名配置中排第 452 名。另有 290 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- gpt-oss-20b 每百万 token 的价格是多少?
- 截至 2026年11月16日,gpt-oss-20b 的价格为输入每百万 token $0.070、输出每百万 token $0.300,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.128。标价最近一次变动是在 2026年10月24日。
- gpt-oss-20b 是什么时候发布的?
- OpenAI 于 2025年8月5日发布了 gpt-oss-20b。BenchLeader 收录了它在 4 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《gpt-oss-20b:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-oss-20b。