Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 50
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 42.722. Kosten je Aufgabe in USD: 0.009601. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

TaxEval v2

Overall

Mehr ist besser54 ModelleGPT OSS 120B: Platz 39 von 54Datenstand: 4. September 2026

1.Claude Fable 576,94 %

2.GPT-5.6 Luna76,17 %

2.GPT-5.6 Terra76,17 %

4.Kimi K375,72 %

5.Claude Sonnet 575,63 %

6.GLM-5.3-Flash75,59 %

7.Inkling Small75,51 %

8.Inkling75,31 %

9.GPT-5 mini75,23 %

10.Claude Opus 575,14 %

11.GPT-4.175,06 %

12.GPT-5.574,98 %

13.Gemini 3.6 Flash74,86 %

14.o4-mini74,78 %

15.GPT-5.6 Sol74,78 %

16.Gemini 3.7 Flash74,73 %

17.Kimi K2.674,65 %

18.o374,57 %

19.Gemini 3.8 Flash74,45 %

20.Gemini 3.5 Flash74,37 %

21.o174,28 %

22.Kimi K2.574,2 %

23.GPT-5.473,96 %

24.Gemini 3 Flash73,88 %

25.MiMo-V2.5-Pro73,79 %

26.GPT-573,39 %

27.GLM-5.273,34 %

28.Gemini 3.1 Pro Preview72,88 %

29.Gemini 3.5 Flash-Lite72,61 %

30.GLM-4.572,4 %

31.GLM-5.372,36 %

32.DeepSeek-R172,28 %

33.DeepSeek-V4-Pro72,08 %

34.GPT-4.1 mini71,91 %

35.MiMo-V2.571,83 %

36.Gemini 3.1 Flash-Lite71,79 %

37.Kimi K2 Thinking71,71 %

38.Grok 4.571,67 %

39.GPT OSS 120B71,59 %

40.GPT-5.4 mini71,22 %

41.GLM-5.171,19 %

42.DeepSeek-V3 032471,1 %

42.Grok 4.671,1 %

44.Grok 4.370,81 %

45.GLM-570,03 %

46.o3-mini69,42 %

47.GLM-4.768,77 %

48.DeepSeek-V367,91 %

49.GPT-5.4 nano67,42 %

50.GPT-5 nano67,38 %

51.GLM-4.666,24 %

52.GPT OSS 20B63,7 %

53.GPT-4.1 nano60,75 %

54.GPT-4o mini60,55 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-tax-eval-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 47.661. Kosten je Aufgabe in USD: 0.002958. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-tax_eval_v2-2026-09-04-f0e140ab16fc. Prüfsumme der Quelldaten: f0e140ab16fcb52041f4f87d2872273c03ca8014fdb69b3da9afd01b0f1e77ec. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

GPQA Diamond

Overall

Mehr ist besser54 ModelleGPT OSS 120B: Platz 38 von 54Datenstand: 4. September 2026

1.Gemini 3.1 Pro Preview95,45 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,44 %

5.Gemini 3.7 Flash93,94 %

6.Claude Opus 593,43 %

6.Gemini 3.6 Flash93,43 %

8.Claude Fable 593,18 %

8.GPT-5.593,18 %

10.Grok 4.592,93 %

10.Kimi K392,93 %

12.Gemini 3.5 Flash92,68 %

13.GPT-5.491,67 %

13.GPT-5.6 Luna91,67 %

15.Grok 4.391,41 %

16.GPT-5.6 Terra90,91 %

17.DeepSeek-V4-Pro89,39 %

18.Kimi K2.689,14 %

19.Claude Sonnet 588,89 %

20.GLM-5.388,13 %

21.Gemini 3 Flash87,88 %

22.Inkling87,12 %

23.GLM-5.3-Flash86,36 %

24.GLM-5.285,61 %

24.GPT-585,61 %

26.GLM-5.184,52 %

27.Kimi K2.584,09 %

27.o384,09 %

29.Gemini 3.5 Flash-Lite83,84 %

30.Inkling Small83,59 %

31.GLM-583,33 %

32.GPT-5.4 mini83,08 %

33.MiMo-V2.5-Pro82,58 %

34.MiMo-V2.581,57 %

35.Gemini 3.1 Flash-Lite81,06 %

36.GPT-5 mini80,3 %

37.GLM-4.780,05 %

38.GPT OSS 120B78,54 %

38.Kimi K2 Thinking78,54 %

40.GPT-5.4 nano77,53 %

41.o3-mini75,51 %

42.GLM-4.674,5 %

42.o4-mini74,5 %

44.o173,23 %

45.GLM-4.572,22 %

46.GPT OSS 20B68,94 %

47.GPT-4.1 mini67,93 %

48.GPT-4.165,4 %

49.GPT-5 nano63,38 %

50.DeepSeek-V3 032461,62 %

51.DeepSeek-V354,55 %

52.GPT-4.1 nano50,76 %

53.GPT-4o mini44,19 %

54.Command R+31,06 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 56.176. Kosten je Aufgabe in USD: 0.006212. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Programmieren

2 Messreihen

LiveCodeBench v6

Overall

Mehr ist besser56 ModelleGPT OSS 120B: Platz 26 von 56Datenstand: 4. September 2026

1.Claude Fable 589,78 %

2.Gemini 3.8 Flash89,48 %

3.Claude Opus 589,03 %

4.Gemini 3.7 Flash88,65 %

5.Gemini 3.1 Pro Preview88,49 %

6.Grok 4.688,22 %

7.Gemini 3.6 Flash88,08 %

8.Gemini 3.5 Flash87,6 %

9.DeepSeek-V4-Pro87,48 %

10.Grok 4.587,35 %

11.GPT-5.3-Codex87,31 %

12.Kimi K387,19 %

13.Kimi K2.686,77 %

14.GPT-5 mini86,61 %

15.Inkling Small85,93 %

16.GPT-5.6 Terra85,93 %

17.GPT-585,91 %

18.Gemini 3 Flash85,59 %

19.Inkling85,52 %

20.GPT-5.585,3 %

21.Grok 4.384,49 %

22.GPT-5.484,14 %

23.GPT-5.4 nano84,01 %

24.o383,91 %

25.Kimi K2.583,87 %

26.GPT OSS 120B83,23 %

27.GPT-5.6 Sol82,6 %

28.Claude Sonnet 582,43 %

29.GLM-4.782,23 %

30.o4-mini82,21 %

31.Kimi K2.7 Code82,05 %

32.GLM-581,87 %

33.MiMo-V2.581,51 %

34.GPT-5.4 mini81,47 %

35.GLM-5.181,38 %

36.MiMo-V2.5-Pro81,35 %

37.GLM-4.681,04 %

38.GLM-5.380,54 %

39.GLM-5.3-Flash80,51 %

40.GPT OSS 20B80,39 %

41.Gemini 3.1 Flash-Lite80,12 %

42.Gemini 3.5 Flash-Lite79,01 %

43.o3-mini71,48 %

44.DeepSeek-R170,22 %

45.GPT-5 nano70,22 %

46.GLM-5.269,5 %

47.GLM-4.567,45 %

48.DeepSeek-V3 032465,48 %

49.Kimi K2 Thinking63,15 %

50.GPT-4.1 mini58,16 %

51.GPT-4.154,67 %

52.o150,26 %

53.GPT-4o43,44 %

54.GPT-4.1 nano42,72 %

55.GPT-4o mini26,42 %

56.Command R+18,24 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 56
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 81.703. Kosten je Aufgabe in USD: 0.008486. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

SWE-bench Verified

Overall

Mehr ist besser42 ModelleGPT OSS 120B: Platz 42 von 42Datenstand: 4. September 2026

1.Claude Opus 597 %

2.GPT-5.6 Sol96,2 %

3.Grok 4.695,6 %

4.GLM-5.395,4 %

4.GPT-5.6 Terra95,4 %

6.Claude Fable 595 %

7.Kimi K393,4 %

8.GPT-5.6 Luna93 %

9.GLM-5.3-Flash92 %

10.Grok 4.586,6 %

11.GLM-5.282,8 %

12.GPT-5.582,6 %

13.Inkling Small82,2 %

14.Gemini 3.7 Flash80,8 %

15.Gemini 3.8 Flash80 %

16.Claude Sonnet 579,6 %

16.Gemini 3.6 Flash79,6 %

18.Gemini 3.1 Pro Preview78,8 %

18.Gemini 3.5 Flash78,8 %

20.GPT-5.478,2 %

20.Kimi K2.7 Code78,2 %

22.GPT-5.3-Codex78 %

23.Inkling77,6 %

24.DeepSeek-V4-Pro77,4 %

25.GLM-5.176,4 %

26.Kimi K2.676,2 %

27.Gemini 3 Flash75 %

27.Gemini 3.5 Flash-Lite75 %

29.MiMo-V2.5-Pro74 %

30.GPT-5.4 mini73 %

31.GLM-571,4 %

31.Grok 4.371,4 %

33.MiMo-V2.571 %

34.Kimi K2.570 %

35.GPT-5.4 nano69,8 %

36.GLM-4.769,4 %

37.GPT-569 %

38.Gemini 3.1 Flash-Lite62,8 %

39.GPT-5 mini60,8 %

40.Kimi K2 Thinking60,2 %

41.Gemini 2.5 Pro54,4 %

42.GPT OSS 120B33,6 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-swebench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 42
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 256.464. Kosten je Aufgabe in USD: 0.171583. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-04-23e2d6d631b6. Prüfsumme der Quelldaten: 23e2d6d631b6dd94d25738415e287bece2e24eddbe0f699838f5e50efe93a54a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

LegalBench

Overall

Mehr ist besser53 ModelleGPT OSS 120B: Platz 45 von 53Datenstand: 4. September 2026

1.Claude Fable 588,56 %

2.Gemini 3.1 Pro Preview87,4 %

3.Gemini 3.7 Flash87,26 %

4.Gemini 3.8 Flash86,99 %

5.Claude Opus 586,97 %

6.GPT-5.6 Sol86,97 %

7.Gemini 3 Flash86,86 %

8.Gemini 3.6 Flash86,71 %

9.GPT-5.586,52 %

10.Grok 4.686,31 %

11.GPT-5.486,04 %

12.GPT-586,02 %

13.Kimi K386,02 %

14.Grok 4.585,97 %

15.GPT-5.6 Terra85,11 %

16.GLM-5.384,84 %

17.Kimi K2.684,74 %

18.Grok 4.384,46 %

19.GLM-5.184,39 %

20.Gemini 3.5 Flash-Lite84,07 %

20.GLM-5.284,07 %

22.GLM-584,06 %

23.GPT-5.6 Luna84,03 %

24.GLM-5.3-Flash83,93 %

25.Claude Sonnet 583,92 %

26.Gemini 3.1 Flash-Lite83,76 %

27.o383,76 %

28.Gemini 3.5 Flash83,6 %

29.GLM-4.783,36 %

30.GPT-4.183,1 %

31.Inkling Small82,99 %

32.Inkling82,95 %

33.GPT-5 mini81,77 %

34.DeepSeek-V380,76 %

35.o180,39 %

36.DeepSeek-V4-Pro80,32 %

37.Kimi K2 Thinking80,2 %

38.GLM-4.679,61 %

39.o4-mini79,19 %

40.MiMo-V2.578,89 %

41.GPT-4.1 mini78,04 %

42.GPT-5.4 nano77,92 %

43.DeepSeek-V3 032477,73 %

44.MiMo-V2.5-Pro77,13 %

45.GPT OSS 120B75,94 %

46.GLM-4.575,63 %

47.o3-mini71,54 %

48.GPT OSS 20B70,85 %

49.Command R+68,29 %

50.DeepSeek-R167,32 %

51.GPT-4.1 nano61,06 %

52.GPT-5 nano50,13 %

53.Command R32,97 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-bench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 53
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 7.852. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-04-ff81649923fb. Prüfsumme der Quelldaten: ff81649923fb684ff37d5f557fd320ba5ab433927831065ed781a94548f480ef. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Mathematik

2 Messreihen

MATH 500

Overall

Mehr ist besser17 ModelleGPT OSS 120B: Platz 2 von 17Datenstand: 4. September 2026

1.GPT-596 %

2.GPT OSS 120B94,8 %

2.GPT-5 mini94,8 %

4.o394,6 %

5.GPT OSS 20B94,2 %

5.o4-mini94,2 %

7.GLM-4.594 %

8.GPT-5 nano93,8 %

9.DeepSeek-R192,2 %

10.o3-mini91,8 %

11.o190,4 %

12.DeepSeek-V3 032488,6 %

13.GPT-4.1 mini88 %

14.GPT-4.187,2 %

15.DeepSeek-V380,4 %

16.GPT-4.1 nano80,2 %

17.GPT-4o mini72,6 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-math500:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 17
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-01-09. Latenz in Sekunden: 16.275. Kosten je Aufgabe in USD: 0.001381. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-math500-2026-09-04-a87fdb25617d. Prüfsumme der Quelldaten: a87fdb25617d5588f5c63d5774177861d27be3a848b9eb67a7f417d2b97cb127. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MGSM

Overall

Mehr ist besser21 ModelleGPT OSS 120B: Platz 7 von 21Datenstand: 4. September 2026

1.o4-mini93,42 %

2.Gemini 3 Flash93,31 %

3.GPT-592,84 %

4.GPT-5 mini92,58 %

5.DeepSeek-R192,25 %

6.DeepSeek-V392,15 %

7.GPT OSS 120B92,04 %

8.o391,75 %

9.DeepSeek-V3 032491,67 %

10.o3-mini91,35 %

11.GLM-4.590,84 %

12.Kimi K2 Thinking90,15 %

13.GLM-4.689,75 %

14.GPT-5 nano89,31 %

14.o189,31 %

16.GPT OSS 20B89,02 %

17.GLM-4.788,18 %

18.GPT-4.1 mini87,78 %

19.GPT-4.187,67 %

20.GPT-4o mini86,18 %

21.GPT-4.1 nano69,27 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-mgsm:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 21
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-01-09. Latenz in Sekunden: 5.793. Kosten je Aufgabe in USD: 0.000659. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mgsm-2026-09-04-8454c4c2a5d6. Prüfsumme der Quelldaten: 8454c4c2a5d6a567e4c17ce67f5f6eb9f3589353348190378d4b83b2df182750. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MedQA

Overall

Mehr ist besser27 ModelleGPT OSS 120B: Platz 16 von 27Datenstand: 4. September 2026

1.o196,52 %

2.Gemini 3.1 Pro Preview96,37 %

3.GPT-596,32 %

4.GPT-5.496,09 %

5.GPT-5 mini96,06 %

5.o396,06 %

7.o4-mini96,02 %

8.Gemini 3 Flash95,81 %

9.o3-mini94,83 %

10.Kimi K2.594,37 %

11.GLM-594,27 %

12.GLM-4.793,74 %

13.GPT-5 nano93,26 %

14.Kimi K2 Thinking92,59 %

15.GLM-4.692,23 %

16.GPT OSS 120B91,36 %

17.GPT-4.191,18 %

18.DeepSeek-R190,8 %

19.GLM-4.589,98 %

20.GPT-4o88,16 %

21.GPT-4.1 mini84,63 %

22.GPT OSS 20B82,88 %

23.DeepSeek-V3 032482 %

24.DeepSeek-V380,9 %

25.GPT-4o mini72,44 %

26.GPT-4.1 nano68,23 %

27.Command R+2,65 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 27
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 12.383. Kosten je Aufgabe in USD: 0.000607. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MMLU-Pro

Overall

Mehr ist besser55 ModelleGPT OSS 120B: Platz 46 von 55Datenstand: 4. September 2026

1.Claude Opus 591,59 %

2.Claude Fable 591,5 %

3.Gemini 3.1 Pro Preview90,99 %

4.Gemini 3.8 Flash90,22 %

5.Gemini 3.7 Flash90,12 %

6.Gemini 3.5 Flash89,52 %

7.Grok 4.689,4 %

8.Gemini 3.6 Flash89,28 %

9.Grok 4.589,22 %

10.GPT-5.6 Sol89,1 %

11.Gemini 3 Flash88,59 %

12.GPT-5.588,14 %

13.Kimi K387,97 %

14.Kimi K2.687,57 %

15.Claude Sonnet 587,55 %

16.GPT-5.487,48 %

17.DeepSeek-V4-Pro87,25 %

18.GLM-5.186,9 %

19.GLM-5.386,77 %

20.GLM-5.286,71 %

21.GPT-5.6 Terra86,66 %

22.GPT-586,54 %

23.Inkling86,3 %

24.Gemini 3.1 Flash-Lite86,24 %

25.GLM-5.3-Flash86,06 %

26.GPT-5.6 Luna86,04 %

27.GLM-586,03 %

28.Kimi K2.585,91 %

29.Grok 4.385,84 %

30.Gemini 3.5 Flash-Lite85,84 %

31.o385,6 %

32.Inkling Small85,57 %

33.MiMo-V2.5-Pro84,6 %

34.GPT-5.4 mini84,55 %

35.o183,49 %

36.DeepSeek-R183,18 %

37.MiMo-V2.582,93 %

38.GLM-4.782,74 %

39.GPT-5 mini82,23 %

40.GLM-4.682,2 %

41.GLM-4.581,22 %

42.Kimi K2 Thinking81,07 %

43.o4-mini80,56 %

44.GPT-4.180,5 %

45.DeepSeek-V3 032479,47 %

46.GPT OSS 120B79,17 %

47.o3-mini78,69 %

48.GPT-4.1 mini77,23 %

49.GPT-5.4 nano77,17 %

50.GPT-5 nano76,07 %

51.DeepSeek-V373,82 %

52.GPT OSS 20B71,64 %

53.GPT-4.1 nano63,48 %

54.GPT-4o mini62,74 %

55.Command R+44 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-mmlu-pro:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 55
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 35.41. Kosten je Aufgabe in USD: 0.001438. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mmlu_pro-2026-09-04-94eef672a38c. Prüfsumme der Quelldaten: 94eef672a38c8146fc1334fecbd173c083343c88de0f3047ae7d034776227e0f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Agentenaufgaben

2 Messreihen

Agent Poker Bench

Overall

Mehr ist besser6 ModelleGPT OSS 120B: Platz 4 von 6Datenstand: 4. September 2026

1.GPT-51.103,18 Bewertung

2.Gemini 3 Flash1.100,21 Bewertung

3.Gemini 2.5 Pro1.032,6 Bewertung

4.GPT OSS 120B1.015,33 Bewertung

5.Kimi K2 Thinking1.011,63 Bewertung

6.GLM-4.6945,76 Bewertung

Skala: 0 Bewertung - 1.103,18 Bewertung

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-poker-agent:1:overall
Messgröße: TrueSkill rating
Skala: Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
Teilnehmer: 6
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 13.452568330134357. Standardfehler: 0. Kosten je Aufgabe in USD: 0.004534421914446. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-04-2bf0dd7f88e8. Prüfsumme der Quelldaten: 2bf0dd7f88e861267360c45be912a71a2bde6ad507e691c297717570f949ee61. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Terminal-Bench 2.0

Overall

Mehr ist besser24 ModelleGPT OSS 120B: Platz 22 von 24Datenstand: 4. September 2026

1.GPT-5.573,2 %

2.Gemini 3.1 Pro Preview67,42 %

2.Gemini 3.5 Flash67,42 %

4.GPT-5.3-Codex64,05 %

5.GPT-5.458,43 %

6.Kimi K2.657,3 %

7.DeepSeek-V4-Pro56,18 %

8.GLM-5.153,93 %

9.Gemini 3 Flash51,69 %

10.GLM-549,44 %

11.GPT-5.4 mini44,94 %

12.Grok 4.343,45 %

13.Kimi K2.540,45 %

14.GPT-5.4 nano39,89 %

15.GLM-4.738,2 %

16.GPT-537,08 %

16.Kimi K2 Thinking37,08 %

18.Gemini 2.5 Pro30,34 %

19.GLM-4.628,09 %

20.GPT-5 mini26,97 %

21.Gemini 3.1 Flash-Lite24,72 %

22.GPT OSS 120B19,1 %

23.Trinity Large Thinking17,98 %

24.GPT-4.114,61 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 24
Methodik und Einordnung: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 490.948. Kosten je Aufgabe in USD: 0.131646. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-04-12d4c34f346d. Prüfsumme der Quelldaten: 12d4c34f346dae49eab98600ff4962559491e99c55a589a5f988b82342903659. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Dokumentierte Messdetails

Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 58.236
Bewertung: 58.236
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 42.722. Kosten je Aufgabe in USD: 0.009601. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 78.536
Bewertung: 78.536
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 56.176. Kosten je Aufgabe in USD: 0.006212. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LiveCodeBench v6: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.234
Bewertung: 83.234
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 81.703. Kosten je Aufgabe in USD: 0.008486. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LegalBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 75.938
Bewertung: 75.938
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-bench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 7.852. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-04-ff81649923fb. Prüfsumme der Quelldaten: ff81649923fb684ff37d5f557fd320ba5ab433927831065ed781a94548f480ef. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MATH 500: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.8
Bewertung: 94.8
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: math
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-math500:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-01-09. Latenz in Sekunden: 16.275. Kosten je Aufgabe in USD: 0.001381. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-math500-2026-09-04-a87fdb25617d. Prüfsumme der Quelldaten: a87fdb25617d5588f5c63d5774177861d27be3a848b9eb67a7f417d2b97cb127. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MedQA: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 91.36
Bewertung: 91.36
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 12.383. Kosten je Aufgabe in USD: 0.000607. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MGSM: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 92.036
Bewertung: 92.036
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: math
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-mgsm:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-01-09. Latenz in Sekunden: 5.793. Kosten je Aufgabe in USD: 0.000659. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mgsm-2026-09-04-8454c4c2a5d6. Prüfsumme der Quelldaten: 8454c4c2a5d6a567e4c17ce67f5f6eb9f3589353348190378d4b83b2df182750. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MMLU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 79.166
Bewertung: 79.166
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-mmlu-pro:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 35.41. Kosten je Aufgabe in USD: 0.001438. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-mmlu_pro-2026-09-04-94eef672a38c. Prüfsumme der Quelldaten: 94eef672a38c8146fc1334fecbd173c083343c88de0f3047ae7d034776227e0f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Agent Poker Bench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 1015.3311053208164
Bewertung: 1015.3311053208164
Messgröße: TrueSkill rating
Einheit: rating
Benchmark-Version: 1
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-poker-agent:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 13.452568330134357. Standardfehler: 0. Kosten je Aufgabe in USD: 0.004534421914446. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-04-2bf0dd7f88e8. Prüfsumme der Quelldaten: 2bf0dd7f88e861267360c45be912a71a2bde6ad507e691c297717570f949ee61. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

SWE-bench Verified: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 33.6
Bewertung: 33.6
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-swebench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 256.464. Kosten je Aufgabe in USD: 0.171583. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-swebench-2026-09-04-23e2d6d631b6. Prüfsumme der Quelldaten: 23e2d6d631b6dd94d25738415e287bece2e24eddbe0f699838f5e50efe93a54a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

TaxEval v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.586
Bewertung: 71.586
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-tax-eval-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 47.661. Kosten je Aufgabe in USD: 0.002958. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-tax_eval_v2-2026-09-04-f0e140ab16fc. Prüfsumme der Quelldaten: f0e140ab16fcb52041f4f87d2872273c03ca8014fdb69b3da9afd01b0f1e77ec. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Terminal-Bench 2.0: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 19.101
Bewertung: 19.101
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2.0
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-terminal-bench-2:2.0:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: fireworks/gpt-oss-120b. Name des Quellmodells: GPT OSS 120B. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-06-04. Latenz in Sekunden: 490.948. Kosten je Aufgabe in USD: 0.131646. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-terminal-bench-2-2026-09-04-12d4c34f346d. Prüfsumme der Quelldaten: 12d4c34f346dae49eab98600ff4962559491e99c55a589a5f988b82342903659. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT OSS 120B

Noch nicht getestet

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

Nachweise

Quellen und Datenstand

Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.

Geschwindigkeit: Median der bereitstellenden Anbieter, High effort. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 8. September 2026.
Artificial Analysis Messmethode
Preis: API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten.
Preise
Eingabe: Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Modelldokumentation
Ausgabe: Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Modelldokumentation

Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.

Offene Nachweise und Recherchehinweise (Originalwortlaut)

In den geprüften Quellen nicht gefunden

exact-training-token-count. The model card says trillions of tokens but does not publish an exact count.

In den geprüften Quellen nicht gefunden

independent-benchmarks. This artifact retains the complete official model-card benchmark rows used here; no external leaderboard was merged.

ModellmetadatenQuelle
Kontextfenster-DatenQuelle
Wissensstand-Daten (abgerufen 8. September 2026)Quelle
API-PreiseQuelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Artificial Analysis (abgerufen 8. September 2026)Quelle
Modellmetadaten (abgerufen 8. September 2026)Quelle
Messmethode der GeschwindigkeitQuelle

GPT OSS 120B

Veröffentlichte Benchmarks

Finanzen

CorpFin v2

TaxEval v2

GPQA Diamond

Programmieren

LiveCodeBench v6

SWE-bench Verified

LegalBench

Mathematik

MATH 500

MGSM

MedQA

MMLU-Pro

Agentenaufgaben

Agent Poker Bench

Terminal-Bench 2.0

Dokumentierte Messdetails

Community-Tests zum Anschauen

Pelikan auf dem Fahrrad

Technische Daten und Zugang

Weitere Quellenangaben

Veröffentlichte Preise

100 API-Anfragen

Dieses Modell im Vergleich

Quellen und Datenstand