自動生成ページです。 AIが自動で作成・翻訳し、ソフトウェアが情報源と照合して確認しています。人間の編集者はいません。SI-IQは公開されているベンチマーク結果から作成した指数であり、IQテストではありません。 仕組み
gpt-oss-120bの賢さは?
gpt-oss-120bはOpenAIのモデルで、2025年8月5日にリリースされました。SI-IQは106(90%区間 99–112)で、3の独立した評価機関によるベンチマーク結果5件から推定しています。
基本情報
- 開発元
- OpenAI
- リリース日
- 2025年8月5日
- 利用形態
- オープンウェイト(制限付きライセンス)
- 使用したベンチマーク
- 3評価機関による5件の結果
分野別の能力(SI-IQ、90%区間)
使用した全ベンチマーク結果
各スコアは、出典が公表したままの1つの値です。Epoch AIでは実行設定のうち最良のもの、OpenRouterでは中央値のホスティング事業者の値(開発元自身のホスティングでテストされた場合はそちら)を用います。「推定SI-IQ」はこの単一の結果が示す能力であり、総合SI-IQはそれらの精度加重平均です。
| ベンチマーク | スコア | 評価機関 | 出典 |
|---|---|---|---|
| Mystery Game Puzzles | 2.0% | Epoch AI | Epoch AI Benchmarking Hub · データファイル |
| OTIS Mock AIME 2024–2025 | 88.9% | Epoch AI | Epoch AI Benchmarking Hub · データファイル |
| Aider Polyglot | 41.8% | Aider | Aider LLM Leaderboards · データファイル |
| GPQA Diamond | 75.8% | Epoch AI | Epoch AI Benchmarking Hub · データファイル |
| GPQA Diamond (OpenRouter run) | 75.8% | OpenRouter | OpenRouter benchmark datasets · データファイル |
| τ²-bench Airline (OpenRouter run) | 63.3% | OpenRouter | OpenRouter benchmark datasets · データファイル |
人間の選好(Arena)
人々が2つの匿名の回答を比べて投票するArenaのランキングでは、gpt-oss-120bは30,206票に基づき評価値1,352(1,347–1,356)です(公開日 2026年10月15日)。人間の選好はベンチマークで測る能力とは異なる指標であり、SI-IQには含まれません。 Arena (Hugging Face)
SI-IQが近いモデル
| モデル | SI-IQ | |
|---|---|---|
| GPT-5 nanoOpenAI | 105 | gpt-oss-120b vs GPT-5 nano |
| o3-miniOpenAI | 105 | gpt-oss-120b vs o3-mini |
| Claude Haiku 4.5Anthropic | 104 | gpt-oss-120b vs Claude Haiku 4.5 |
| MiniMax-M3MiniMax | 108 | gpt-oss-120b vs MiniMax-M3 |
| Gemini 2.5 Pro (Jun 2025)Google DeepMind | 108 | gpt-oss-120b vs Gemini 2.5 Pro (Jun 2025) |
SI-IQの算出方法バージョン 1.0.0 で計算しています。 算出方法の詳細を読む
データソース: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..