gpt-oss-120b is an open-weight, 117B-parameter Mixture-of-Experts (MoE) language model from OpenAI designed for high-reasoning, agentic, and general-purpose production use cases. It activates 5.1B parameters per forward pass and is optimized to run on a single H100 GPU with native MXFP4 quantization. The model supports configurable reasoning depth, full chain-of-thought access, and native tool use, including function calling, browsing, and structured output generation.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.0296 | US$0.136 | -- | -- |
输入 US$0.0296 / 输出 US$0.136-- tok/s-- 正常运行时间
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
gpt-oss-120b (batch) — 价格历史
| US$0.00 | US$0.00 | 4.4% | 100.0% |
- 有效输入价格 US$0.00 / 实际输出 US$0.00token 占比100.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
正常运行时间数据尚不足,暂时无法显示。
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | gpt-oss-120b (High) Intelligence Index | 3.8 |
| Artificial Analysis | gpt-oss-120b (High) Coding Index | 30.4 |
| Artificial Analysis | gpt-oss-120b (High) Agentic Index | 3.7 |
| Artificial Analysis | gpt-oss-120b (High) GPQA Diamond | 78.2% |
| Artificial Analysis | gpt-oss-120b (High) HLE | 19.6% |
| Artificial Analysis | gpt-oss-120b (High) IFBench | 69.0% |
| Artificial Analysis | gpt-oss-120b (High) τ²-Bench Telecom | 65.8% |
| Artificial Analysis | gpt-oss-120b (High) AA-LCR | 52.0% |
| Artificial Analysis | gpt-oss-120b (High) τ-Bench Banking | 12.8% |
| Artificial Analysis | gpt-oss-120b (High) GDPval-AA | 5.8% |
| Artificial Analysis | gpt-oss-120b (High) CritPt | 1.1% |
| Artificial Analysis | gpt-oss-120b (High) LiveCodeBench | 87.8% |
| Artificial Analysis | gpt-oss-120b (High) SciCode | 34.0% |
| Artificial Analysis | gpt-oss-120b (High) Terminal-Bench Hard | 23.5% |
| Artificial Analysis | gpt-oss-120b (High) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | gpt-oss-120b (High) Terminal-Bench 2.1 | 26.2% |
| Artificial Analysis | gpt-oss-120b (High) MMLU-Pro | 80.8% |
| Artificial Analysis | gpt-oss-120b (High) AA-Omniscience Accuracy | 21.7% |
| Artificial Analysis | gpt-oss-120b (High) AA-Omniscience Non-Hallucination Rate | 13.1% |
| Artificial Analysis | gpt-oss-120b (High) AIME 2025 | 93.4% |
| Artificial Analysis | gpt-oss-120b (Low) Coding Index | 21.2 |
| Artificial Analysis | gpt-oss-120b (Low) GPQA Diamond | 67.2% |
| Artificial Analysis | gpt-oss-120b (Low) HLE | 5.9% |
| Artificial Analysis | gpt-oss-120b (Low) IFBench | 58.3% |
| Artificial Analysis | gpt-oss-120b (Low) τ²-Bench Telecom | 45.0% |
| Artificial Analysis | gpt-oss-120b (Low) AA-LCR | 46.0% |
| Artificial Analysis | gpt-oss-120b (Low) τ-Bench Banking | 2.9% |
| Artificial Analysis | gpt-oss-120b (Low) GDPval-AA | 0.0% |
| Artificial Analysis | gpt-oss-120b (Low) CritPt | 0.0% |
| Artificial Analysis | gpt-oss-120b (Low) LiveCodeBench | 70.7% |
| Artificial Analysis | gpt-oss-120b (Low) Terminal-Bench Hard | 5.3% |
| Artificial Analysis | gpt-oss-120b (Low) Terminal-Bench 2.1 | 13.9% |
| Artificial Analysis | gpt-oss-120b (Low) MMLU-Pro | 77.5% |
| Artificial Analysis | gpt-oss-120b (Low) AIME 2025 | 66.7% |
| Design Arena | GPT OSS 120B Models Arena 3D Elo | 881 |
| Design Arena | GPT OSS 120B Models Arena Code Categories Elo | 952 |
| Design Arena | GPT OSS 120B Models Arena Data Visualization Elo | 984 |
| Design Arena | GPT OSS 120B Models Arena Game Development Elo | 981 |
| Design Arena | GPT OSS 120B Models Arena UI Component Elo | 915 |
| Design Arena | GPT OSS 120B Models Arena Website Elo | 960 |
| Vals AI | GPT OSS 120B AIME | 92.6% |
| Vals AI | GPT OSS 120B CaseLaw v2 | 48.8% |
| Vals AI | GPT OSS 120B CorpFin v2 | 58.2% |
| Vals AI | GPT OSS 120B Finance Agent v1.1 | 21.5% |
| Vals AI | GPT OSS 120B GPQA Diamond | 78.5% |
| Vals AI | GPT OSS 120B LiveCodeBench | 83.2% |
| Vals AI | GPT OSS 120B LegalBench | 75.9% |
| Vals AI | GPT OSS 120B MATH 500 | 94.8% |
| Vals AI | GPT OSS 120B MedQA | 91.4% |
| Vals AI | GPT OSS 120B MGSM | 92.0% |
| Vals AI | GPT OSS 120B MMLU Pro | 79.2% |
| Vals AI | GPT OSS 120B SWE-bench | 33.6% |
| Vals AI | GPT OSS 120B TaxEval v2 | 71.6% |
| Vals AI | GPT OSS 120B Terminal-Bench 2.0 | 19.1% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
使用此模型的应用尚无足够数据。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
文档
在 OpenRouter 上使用 OpenAI: gpt-oss-120b (batch) 构建应用的指南、实用教程、博客文章和工具。
常见问题
gpt-oss-120b is an open-weight, 117B-parameter Mixture-of-Experts (MoE) language model from OpenAI designed for high-reasoning, agentic, and general-purpose production use cases. It activates 5.1B parameters per forward pass and is optimized to run on a single H100 GPU with native MXFP4 quantization.
OpenRouter 上的 gpt-oss-120b (batch) 文档包括 LLM Quantization: What fp8 and fp4 Do to Quality and Price 博客文章。快速入门介绍了 API 密钥和您的首次请求,API 参考列出了所有参数。
gpt-oss-120b (batch) 的费用为 US$0.0296/百万输入 token 和 US$0.136/百万输出 token。
gpt-oss-120b (batch) 的上下文窗口为 131,072 个 token。它最多支持 131,072 个补全 token。
是的。gpt-oss-120b (batch) 接受 tools 和 tool_choice,以进行函数调用。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
在 OpenRouter 上,gpt-oss-120b (batch) 由 1 家提供商提供服务:DeepInfra。
GPT-6.1 Terra Pro, GPT-6.1 Terra, GPT-6 Luna Decisions 及另外 58 个 是 OpenAI 的其他 文本 模型。
gpt-oss-120b (batch) 于 2025年8月5日 发布。其知识截止日期为 2024年6月30日。