自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。工作原理

gpt-oss-120b 有多聪明？

106 SI-IQ · 90% 区间 99–112
在 80 个已排名模型中位列第 64 · 可能的名次区间 47–71

gpt-oss-120b 是 OpenAI 于 2025年8月5日发布的模型。其 SI-IQ 为 106（90% 区间 99–112），由 3 家独立评测方的 5 项基准测试结果估算得出。

基本信息

每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。

基准测试	领域	得分	隐含 SI-IQ	评测方	来源中的列示名称	获取时间	来源
Mystery Game Puzzles	推理	2.0%	70	Epoch AI	`gpt-oss-120b_medium`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
OTIS Mock AIME 2024–2025	数学	88.9%	115	Epoch AI	`openai/gpt-oss-120b_high`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
Aider Polyglot	编程	41.8%	91	Aider	`gpt-oss-120b (high)`	2026年10月18日	Aider LLM Leaderboards · 数据文件
GPQA Diamond	知识	75.8%	102	Epoch AI	`openai/gpt-oss-120b_high`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond (OpenRouter run)	知识	75.8%	105	OpenRouter	`openai/gpt-oss-120b` Together · median over providers (22 of 22 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件
τ²-bench Airline (OpenRouter run)	智能体	63.3%	109	OpenRouter	`openai/gpt-oss-120b` Venice · median over providers (18 of 18 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件

在 Arena 排行榜上，用户会在两个匿名回答之间投票。gpt-oss-120b 的评分为 1,352（1,347–1,356），共 30,206 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)

模型	SI-IQ
GPT-5 nanoOpenAI	105	gpt-oss-120b 对比 GPT-5 nano
o3-miniOpenAI	105	gpt-oss-120b 对比 o3-mini
Claude Haiku 4.5Anthropic	104	gpt-oss-120b 对比 Claude Haiku 4.5
MiniMax-M3MiniMax	108	gpt-oss-120b 对比 MiniMax-M3
Gemini 2.5 Pro (Jun 2025)Google DeepMind	108	gpt-oss-120b 对比 Gemini 2.5 Pro (Jun 2025)

采用 SI-IQ 方法版本 1.0.0 计算。阅读完整方法论