DataLearner 标志

GPT OSS 120B 评测详情

GPT OSS 120B 当前已收录的代表性评测结果包括 AIME 2024(2 / 62,得分 96.60)、MMLU(11 / 124,得分 90)、AIME2025(17 / 106,得分 97.90)。

评测结果

GPT OSS 120B

评测结果

思考模式
工具使用

综合评估

共 5 项评测
评测名称 / 模式
得分
排名/总数
MMLU
思考模式
90
11 / 124
MMLU Pro
思考模式
79
67 / 133
LiveBench
常规模式
46.09
102 / 115
HLE
思考模式
14.90
144 / 181
HLE
思考模式工具
19
131 / 181

科学与综合推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
思考模式
80.10
118 / 224

编程与软件工程

共 3 项评测
评测名称 / 模式
得分
排名/总数
CodeForces
思考模式
2463
10 / 20
CodeForces
思考模式工具
2622
8 / 20
SWE-bench Verified
思考模式
60.10
83 / 114

数学推理

共 3 项评测
评测名称 / 模式
得分
排名/总数
AIME2025
思考模式
83
51 / 106
AIME2025
思考模式工具
97.90
17 / 106
AIME 2024
思考模式工具
96.60
2 / 62

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
思考模式
22.10
61 / 67

Agent能力评测

共 1 项评测
评测名称 / 模式
得分
排名/总数
Aider-Polyglot
思考水平·高
41.80
38 / 59

指令跟随

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
常规模式
69
19 / 33

OpenClaw智能体能力综合测评

共 1 项评测
评测名称 / 模式
得分
排名/总数
Pinch Bench
思考模式工具
60.60
36 / 38