Beta abierta Zabio está en beta abierta: cualquiera puede registrarse y usarlo en producción. Los modelos, los precios y las funciones aún pueden cambiar mientras aprendemos con los primeros clientes. Cuéntanos qué falla en hello@zabio.ai.
Menú
Empieza gratis

Modelo

gpt-oss-120b

gpt-oss-120b de Together AI, clase Balanced. Precios de lista por millón de tokens y lo que dicen de él los benchmarks públicos.

Clase
Balanced
Entrada, por millón
0,15 USD
Salida, por millón
0,60 USD
Entrada en caché
0,00 USD
Ventana de contexto
131.072
Respuesta más larga
131.072
Se procesa en
global
Precios desde
23 de septiembre de 2026

Cómo llamarlo

Nómbralo en el campo model, o deja que auto lo elija por ti.

"model": "gpt-oss-120b"

Admite: herramientas, esquema JSON

auto puede elegir este modelo cuando encaja con el trabajo y la línea que escogiste.

Cuánto cuesta

  • Entrada 0,15 USD y salida 0,60 USD por millón de tokens, al precio de lista del proveedor.
  • Entrada leída de la caché: 0,00 USD por millón de tokens.

Resultados públicos de este modelo

Zabio no ha hecho sus propias pruebas con este modelo. Todo lo de abajo viene agregado de benchmarks públicos, con sus fuentes.

Agregado de resultados públicosConsultado el 1 de octubre de 2026

gpt-oss-120b
Redacción, Media: Rating 1323,4 Evidencia, en errores estándar: -2,6 LMArena text style control, instruction following: 1323,4 (Mismos ajustes)Redacción, MediaRating 1323,4Escritura creativa, Media: Rating 1277,8 Evidencia, en errores estándar: -2,9 LMArena text style control, creative writing: 1277,8 (Mismos ajustes)Escritura creativa, MediaRating 1277,8Extracción de datos, Media: Rating 1323,4 Evidencia, en errores estándar: -2,6 LMArena text style control, instruction following: 1323,4 (Mismos ajustes)Extracción de datos, MediaRating 1323,4Conversación, Media: Rating 1326,8 Evidencia, en errores estándar: -2,6 LMArena text style control, multi turn: 1326,8 (Mismos ajustes)Conversación, MediaRating 1326,8Análisis y razonamiento, Media: 22,1 +/- 2,9 Evidencia, en errores estándar: -1,8 SimpleBench: 22,1 (Mismos ajustes)Análisis y razonamiento, Media22,1Análisis y razonamiento, Difícil: 75,8 +/- 2,7 Evidencia, en errores estándar: -1,6 GPQA diamond: 75,8 (Ajustes distintos) LMArena text style control, hard prompts: 1361,9 (Mismos ajustes)Análisis y razonamiento, Difícil75,8Análisis y razonamiento, Muy difícil: Rating 1356,9 Evidencia, en errores estándar: -2,4 LMArena text style control, expert: 1356,9 (Mismos ajustes)Análisis y razonamiento, Muy difícilRating 1356,9Matemáticas, Media: Rating 1381,1 Evidencia, en errores estándar: -2,0 LMArena text style control, math: 1381,1 (Mismos ajustes)Matemáticas, MediaRating 1381,1Matemáticas, Muy difícil: 88,9 +/- 4,5 Evidencia, en errores estándar: 1,5 OTIS Mock AIME 2024-2025: 88,9 (Ajustes distintos)Matemáticas, Muy difícil88,9Escribir código, Difícil: Rating 1389,7 Evidencia, en errores estándar: -2,6 LMArena text style control, coding: 1389,7 (Mismos ajustes)Escribir código, DifícilRating 1389,7Arreglar código, Difícil: 25,6 +/- 1,9 Evidencia, en errores estándar: -1,8 Aider polyglot: 41,8 (Ajustes distintos) Terminal Bench: 14,2 (Mismos ajustes)Arreglar código, Difícil25,6Uso de herramientas, Difícil: 14,2 +/- 2,3 Evidencia, en errores estándar: -1,8 Terminal Bench: 14,2 (Mismos ajustes)Uso de herramientas, Difícil14,2Preguntas sobre un documento, Media: Rating 1324,4 Evidencia, en errores estándar: -2,7 LMArena text style control, longer query: 1324,4 (Mismos ajustes)Preguntas sobre un documento, MediaRating 1324,4Preguntas sobre un documento, Difícil: 36,1 +/- 5,0 Evidencia, en errores estándar: -1,7 Fiction.LiveBench: 36,1 (Mismos ajustes)Preguntas sobre un documento, Difícil36,1
Los benchmarks detrás de cada barra
Tipo de tareaBenchmarkPuntuaciónAjustes
Redacción, MediaLMArena text style control, instruction followingRating 1323,4Mismos ajustes
Escritura creativa, MediaLMArena text style control, creative writingRating 1277,8Mismos ajustes
Extracción de datos, MediaLMArena text style control, instruction followingRating 1323,4Mismos ajustes
Conversación, MediaLMArena text style control, multi turnRating 1326,8Mismos ajustes
Análisis y razonamiento, MediaSimpleBench22,1Mismos ajustes
Análisis y razonamiento, DifícilGPQA diamond75,8Ajustes distintos
Análisis y razonamiento, DifícilLMArena text style control, hard promptsRating 1361,9Mismos ajustes
Análisis y razonamiento, Muy difícilLMArena text style control, expertRating 1356,9Mismos ajustes
Matemáticas, MediaLMArena text style control, mathRating 1381,1Mismos ajustes
Matemáticas, Muy difícilOTIS Mock AIME 2024-202588,9Ajustes distintos
Escribir código, DifícilLMArena text style control, codingRating 1389,7Mismos ajustes
Arreglar código, DifícilAider polyglot41,8Ajustes distintos
Arreglar código, DifícilTerminal Bench14,2Mismos ajustes
Uso de herramientas, DifícilTerminal Bench14,2Mismos ajustes
Preguntas sobre un documento, MediaLMArena text style control, longer queryRating 1324,4Mismos ajustes
Preguntas sobre un documento, DifícilFiction.LiveBench36,1Mismos ajustes
Precio frente a puntuación en cada tipo de tarea (14)

Precio por 1.000 tareas, USD. Puntuación, %. En gris: un modelo más barato ya puntúa igual. Con anillo: la opción mejor, equilibrada y barata.

Redacción, Media
50607080901001 USD10 USD gpt-5.4-nano: 64,6 +/- 3,9, 0,66 USD deepseek-flash: 66,3 +/- 3,9, 0,72 USD deepseek-flash@together: 66,3 +/- 3,9, 0,72 USD gemini-3.5-flash-lite: 68,4 +/- 3,8, 1,24 USD gemini-3.8-flash: 83,9 +/- 3,1, 2,10 USD gpt-5.4-mini: 64,9 +/- 3,9, 2,40 USD deepseek-v4-pro: 67,2 +/- 3,9, 2,64 USD deepseek-v4-pro@together: 67,2 +/- 3,9, 2,64 USD grok-4.7: 79,1 +/- 3,4, 4,40 USD gemini-3.5-flash: 80,1 +/- 3,4, 4,80 USD claude-sonnet-5: 68,1 +/- 3,9, 5,60 USD gemini-3.1-pro-preview: 82,6 +/- 3,2, 6,40 USD gpt-5.4: 73,0 +/- 3,7, 8,00 USD claude-sonnet-4-6: 67,8 +/- 3,9, 8,40 USD claude-opus-5-5: 75,3 +/- 3,7, 11,20 USD claude-opus-5: 77,2 +/- 3,6, 14,00 USD claude-opus-4-8: 73,8 +/- 3,7, 14,00 USD gpt-5.5: 79,6 +/- 3,5, 16,00 USD claude-fable-5-1: 80,5 +/- 3,4, 28,00 USD gpt-6-astra: 83,8 +/- 3,2, 28,00 USD gemini-3.8-flash Mejor, Equilibrada, Económica
Escritura creativa, Media
50607080901001 USD10 USD gpt-5.4-nano: 67,7 +/- 6,6, 0,66 USD deepseek-flash: 67,3 +/- 6,6, 0,72 USD deepseek-flash@together: 67,3 +/- 6,6, 0,72 USD gemini-3.5-flash-lite: 67,5 +/- 6,6, 1,24 USD gemini-3.8-flash: 82,8 +/- 5,3, 2,10 USD gpt-5.4-mini: 66,6 +/- 6,7, 2,40 USD deepseek-v4-pro: 67,8 +/- 6,6, 2,64 USD deepseek-v4-pro@together: 67,8 +/- 6,6, 2,64 USD grok-4.7: 74,9 +/- 6,1, 4,40 USD gemini-3.5-flash: 75,2 +/- 6,1, 4,80 USD claude-sonnet-5: 62,3 +/- 6,9, 5,60 USD gemini-3.1-pro-preview: 77,3 +/- 5,9, 6,40 USD gpt-5.4: 79,0 +/- 5,8, 8,00 USD claude-sonnet-4-6: 68,9 +/- 6,6, 8,40 USD claude-opus-5-5: 70,9 +/- 6,4, 11,20 USD claude-opus-4-8: 80,6 +/- 5,6, 14,00 USD claude-opus-5: 61,3 +/- 6,9, 14,00 USD gpt-5.5: 72,6 +/- 6,3, 16,00 USD claude-fable-5-1: 78,1 +/- 5,9, 28,00 USD gpt-6-astra: 74,0 +/- 6,2, 28,00 USD gemini-3.8-flash Mejor, Equilibrada, Económica
Extracción de datos, Media
50607080901001 USD10 USD gpt-5.4-nano: 82,8 +/- 2,1, 0,41 USD deepseek-flash: 83,0 +/- 2,1, 0,48 USD deepseek-flash@together: 83,0 +/- 2,1, 0,48 USD gemini-3.5-flash-lite: 75,7 +/- 2,3, 0,74 USD gemini-3.8-flash: 75,1 +/- 2,5, 1,35 USD gpt-5.4-mini: 85,4 +/- 1,9, 1,50 USD deepseek-v4-pro: 87,3 +/- 1,9, 1,85 USD deepseek-v4-pro@together: 87,3 +/- 1,9, 1,85 USD gemini-3.5-flash: 80,5 +/- 2,4, 3,00 USD grok-4.7: 88,4 +/- 1,8, 3,08 USD claude-sonnet-5: 84,9 +/- 2,1, 3,60 USD gemini-3.1-pro-preview: 88,3 +/- 1,9, 4,00 USD gpt-5.4: 89,7 +/- 1,7, 5,00 USD claude-sonnet-4-6: 87,0 +/- 2,2, 5,40 USD claude-opus-5-5: 89,2 +/- 1,9, 7,20 USD claude-opus-5: 84,3 +/- 2,4, 9,00 USD claude-opus-4-8: 80,1 +/- 2,5, 9,00 USD gpt-5.5: 90,8 +/- 1,7, 10,00 USD gpt-6-astra: 91,5 +/- 1,6, 18,00 USD claude-fable-5-1: 87,2 +/- 2,3, 18,00 USD gpt-5.4-mini Económicadeepseek-v4-pro Equilibradaclaude-opus-5-5 Mejor
Conversación, Media
02550751001 USD10 USD gpt-4o-mini: 8,3 +/- 0,9, 0,48 USD gpt-5.4-nano: 11,7 +/- 1,0, 0,82 USD deepseek-flash: 33,6 +/- 1,5, 0,96 USD deepseek-flash@together: 33,6 +/- 1,5, 0,96 USD gpt-5-mini: 21,6 +/- 1,3, 1,20 USD gpt-4.1-mini: 12,7 +/- 1,1, 1,28 USD gemini-3.8-flash: 69,7 +/- 1,5, 2,70 USD gpt-5.4-mini: 29,4 +/- 1,4, 3,00 USD claude-haiku-4-5: 13,2 +/- 1,1, 3,60 USD deepseek-v4-pro: 52,9 +/- 1,6, 3,70 USD deepseek-v4-pro@together: 52,9 +/- 1,6, 3,70 USD gemini-3.5-flash: 66,2 +/- 1,5, 6,00 USD gpt-4.1: 31,1 +/- 1,5, 6,40 USD claude-sonnet-5: 33,7 +/- 1,5, 7,20 USD gemini-3.1-pro-preview: 73,5 +/- 1,4, 8,00 USD gpt-5.4: 45,1 +/- 1,6, 10,00 USD claude-sonnet-4-6: 32,8 +/- 1,5, 10,80 USD claude-opus-5-5: 72,2 +/- 1,4, 14,40 USD claude-opus-4-8: 53,0 +/- 1,6, 18,00 USD claude-opus-5: 59,9 +/- 1,6, 18,00 USD gpt-5.5: 63,0 +/- 1,5, 20,00 USD gpt-6-astra: 75,6 +/- 1,4, 36,00 USD claude-fable-5-1: 70,8 +/- 1,4, 36,00 USD gemini-3.8-flash Económicagemini-3.1-pro-preview Mejor, Equilibrada
Análisis y razonamiento, Media
02550751001 USD10 USD gpt-oss-120b: 22,1 +/- 2,9, 0,36 USD gpt-4o-mini: 10,7 +/- 2,2, 0,36 USD deepseek-flash: 61,1 +/- 3,5, 0,72 USD deepseek-flash@together: 61,1 +/- 3,5, 0,72 USD mistral-large-2512: 22,5 +/- 3,0, 1,00 USD llama-3.3-70b-instruct-turbo: 19,9 +/- 2,8, 1,25 USD gemini-3.5-flash: 76,7 +/- 3,0, 4,80 USD gpt-4.1: 27,0 +/- 3,1, 4,80 USD claude-sonnet-5: 60,6 +/- 3,5, 5,60 USD gemini-3.1-pro-preview: 79,6 +/- 2,9, 6,40 USD claude-opus-5: 80,6 +/- 2,8, 14,00 USD claude-opus-4-8: 64,8 +/- 3,4, 14,00 USD gpt-5.5: 69,0 +/- 3,3, 16,00 USD gpt-oss-120bgemini-3.5-flash Mejor, Equilibrada, Económica
Análisis y razonamiento, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 79,0 +/- 2,4, 0,57 USD gpt-oss-120b: 75,8 +/- 2,7, 0,84 USD mistral-small-2603: 47,5 +/- 2,8, 0,84 USD gpt-4o-mini: 37,7 +/- 2,4, 0,84 USD gpt-5.4-nano: 66,1 +/- 2,4, 1,53 USD deepseek-flash: 79,0 +/- 2,0, 1,68 USD deepseek-flash@together: 79,0 +/- 2,0, 1,68 USD gpt-4.1-mini: 65,9 +/- 2,7, 2,24 USD gpt-5-mini: 71,7 +/- 3,2, 2,30 USD mistral-large-2512: 51,3 +/- 2,7, 2,35 USD gemini-3.5-flash-lite: 68,7 +/- 2,3, 2,85 USD llama-3.3-70b-instruct-turbo: 47,4 +/- 2,9, 3,02 USD gemini-3.8-flash: 92,3 +/- 1,3, 4,88 USD gpt-5.4-mini: 67,1 +/- 2,4, 5,55 USD deepseek-v4-pro: 78,0 +/- 2,1, 6,20 USD deepseek-v4-pro@together: 78,0 +/- 2,1, 6,20 USD claude-haiku-4-5: 60,5 +/- 2,8, 6,50 USD mistral-medium-3-5: 59,5 +/- 2,8, 9,75 USD grok-4.7: 82,7 +/- 2,7, 10,34 USD gemini-3.5-flash: 85,8 +/- 1,7, 11,10 USD gpt-4.1: 66,9 +/- 2,8, 11,20 USD claude-sonnet-5: 84,5 +/- 1,8, 13,00 USD gemini-3.1-pro-preview: 89,5 +/- 1,5, 14,80 USD gpt-5.4: 80,3 +/- 2,1, 18,50 USD claude-sonnet-4-6: 81,8 +/- 1,9, 19,50 USD claude-opus-5-5: 91,4 +/- 1,4, 26,00 USD claude-opus-5: 92,2 +/- 1,4, 32,50 USD claude-opus-4-8: 86,9 +/- 1,7, 32,50 USD gpt-5.5: 82,4 +/- 2,0, 37,00 USD gpt-6-astra: 94,2 +/- 1,2, 65,00 USD claude-fable-5-1: 91,7 +/- 1,9, 65,00 USD gpt-oss-120bgemini-3.8-flash Económicaclaude-opus-5-5 Mejor, Equilibrada
Análisis y razonamiento, Muy difícil
02550751001 USD10 USD100 USD gpt-4o-mini: 0,0 +/- 0,4, 1,35 USD gpt-5.4-nano: 9,9 +/- 1,1, 2,48 USD deepseek-flash: 7,0 +/- 1,0, 2,70 USD deepseek-flash@together: 7,0 +/- 1,0, 2,70 USD gpt-4.1-mini: 1,8 +/- 0,5, 3,60 USD gpt-5-mini: 15,8 +/- 0,9, 3,75 USD gemini-3.5-flash-lite: 9,3 +/- 1,1, 4,65 USD gemini-3.8-flash: 44,5 +/- 2,0, 7,88 USD gpt-5.4-mini: 7,1 +/- 1,0, 9,00 USD deepseek-v4-pro: 6,9 +/- 0,9, 9,90 USD deepseek-v4-pro@together: 6,9 +/- 0,9, 9,90 USD claude-haiku-4-5: 7,8 +/- 1,0, 10,50 USD mistral-medium-3-5: 4,5 +/- 0,8, 15,75 USD gemini-3.5-flash: 28,9 +/- 1,8, 18,00 USD gpt-4.1: 3,8 +/- 0,5, 18,00 USD gemini-3.1-pro-preview: 73,8 +/- 1,5, 24,00 USD gpt-5.4: 45,0 +/- 1,8, 30,00 USD claude-sonnet-4-6: 73,5 +/- 2,4, 31,50 USD claude-opus-5-5: 94,6 +/- 1,3, 42,00 USD claude-opus-5: 92,9 +/- 1,5, 52,50 USD claude-opus-4-8: 75,1 +/- 2,4, 52,50 USD gpt-5.5: 54,8 +/- 2,4, 60,00 USD claude-fable-5-1: 73,2 +/- 1,6, 105 USD gpt-6-astra: 66,8 +/- 1,7, 105 USD gemini-3.8-flash Económicaclaude-opus-5-5 Mejor, Equilibrada
Matemáticas, Muy difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 42,8 +/- 6,5, 0,89 USD gpt-oss-120b: 88,9 +/- 4,5, 1,35 USD mistral-small-2603: 5,3 +/- 2,6, 1,35 USD gpt-4o-mini: 3,8 +/- 1,4, 1,35 USD gpt-5.4-nano: 25,7 +/- 2,9, 2,48 USD deepseek-flash: 76,0 +/- 1,8, 2,70 USD deepseek-flash@together: 76,0 +/- 1,8, 2,70 USD gpt-4.1-mini: 18,6 +/- 2,2, 3,60 USD gpt-5-mini: 34,1 +/- 2,9, 3,75 USD mistral-large-2512: 1,1 +/- 0,5, 3,75 USD gemini-3.5-flash-lite: 44,6 +/- 4,2, 4,65 USD llama-3.3-70b-instruct-turbo: 5,1 +/- 2,4, 4,68 USD gemini-3.8-flash: 83,7 +/- 1,5, 7,88 USD gpt-5.4-mini: 23,6 +/- 2,7, 9,00 USD deepseek-v4-pro: 54,0 +/- 4,6, 9,90 USD deepseek-v4-pro@together: 54,0 +/- 4,6, 9,90 USD claude-haiku-4-5: 20,0 +/- 3,2, 10,50 USD mistral-medium-3-5: 16,3 +/- 3,0, 15,75 USD gemini-3.5-flash: 65,3 +/- 2,2, 18,00 USD gpt-4.1: 16,6 +/- 2,2, 18,00 USD claude-sonnet-5: 72,8 +/- 3,3, 21,00 USD gemini-3.1-pro-preview: 64,1 +/- 1,7, 24,00 USD gpt-5.4: 60,9 +/- 3,3, 30,00 USD claude-sonnet-4-6: 51,8 +/- 3,7, 31,50 USD claude-opus-5-5: 95,6 +/- 2,6, 42,00 USD claude-opus-5: 92,8 +/- 1,6, 52,50 USD claude-opus-4-8: 72,3 +/- 2,5, 52,50 USD gpt-5.5: 69,1 +/- 4,5, 60,00 USD gpt-6-astra: 96,8 +/- 2,6, 105 USD claude-fable-5-1: 95,1 +/- 2,7, 105 USD gpt-oss-120b Económicadeepseek-flash Equilibradaclaude-opus-5-5 Mejor
Escribir código, Difícil
02550751002 USD5 USD10 USD20 USD50 USD100 USD gpt-5.4-nano: 58,8 +/- 3,6, 2,09 USD deepseek-flash: 53,4 +/- 3,6, 2,22 USD deepseek-flash@together: 53,4 +/- 3,6, 2,22 USD gemini-3.5-flash-lite: 60,7 +/- 3,5, 3,98 USD gemini-3.8-flash: 63,4 +/- 3,6, 6,56 USD gpt-5.4-mini: 56,7 +/- 3,6, 7,58 USD deepseek-v4-pro: 56,3 +/- 3,6, 7,99 USD deepseek-v4-pro@together: 56,3 +/- 3,6, 7,99 USD grok-4.7: 65,6 +/- 3,5, 13,31 USD gemini-3.5-flash: 63,6 +/- 3,5, 15,15 USD claude-sonnet-5: 70,0 +/- 3,4, 17,50 USD gemini-3.1-pro-preview: 43,2 +/- 2,8, 20,20 USD gpt-5.4: 49,0 +/- 3,5, 25,25 USD claude-sonnet-4-6: 61,0 +/- 3,5, 26,25 USD claude-opus-5-5: 79,5 +/- 3,4, 35,00 USD claude-opus-5: 73,3 +/- 3,3, 43,75 USD claude-opus-4-8: 66,2 +/- 3,4, 43,75 USD gpt-5.5: 48,7 +/- 3,1, 50,50 USD claude-fable-5-1: 75,3 +/- 3,7, 87,50 USD gpt-6-astra: 61,5 +/- 4,6, 87,50 USD claude-opus-5-5 Mejor, Equilibrada, Económica
Arreglar código, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 9,2 +/- 2,4, 0,68 USD gpt-oss-120b: 25,6 +/- 1,9, 1,11 USD gpt-4o-mini: 3,6 +/- 1,2, 1,11 USD codestral-2508: 11,1 +/- 2,1, 1,82 USD gpt-5.4-nano: 46,8 +/- 5,9, 2,09 USD deepseek-flash: 37,6 +/- 5,7, 2,22 USD deepseek-flash@together: 37,6 +/- 5,7, 2,22 USD gpt-4.1-mini: 32,4 +/- 3,1, 2,96 USD gpt-5-mini: 47,0 +/- 1,7, 3,20 USD gemini-3.5-flash-lite: 45,3 +/- 5,9, 3,98 USD gemini-3.8-flash: 54,2 +/- 5,9, 6,56 USD gpt-5.4-mini: 41,7 +/- 5,8, 7,58 USD deepseek-v4-pro: 57,1 +/- 3,5, 7,99 USD deepseek-v4-pro@together: 57,1 +/- 3,5, 7,99 USD claude-haiku-4-5: 13,9 +/- 2,7, 8,75 USD grok-4.7: 54,0 +/- 5,9, 13,31 USD gpt-4.1: 49,8 +/- 1,9, 14,80 USD gemini-3.5-flash: 64,2 +/- 3,1, 15,15 USD claude-sonnet-5: 59,4 +/- 5,8, 17,50 USD gemini-3.1-pro-preview: 49,8 +/- 4,0, 20,20 USD gpt-5.4: 69,7 +/- 2,3, 25,25 USD claude-sonnet-4-6: 59,9 +/- 2,2, 26,25 USD claude-opus-5-5: 71,7 +/- 5,3, 35,00 USD claude-opus-5: 65,2 +/- 5,6, 43,75 USD claude-opus-4-8: 50,5 +/- 5,9, 43,75 USD gpt-5.5: 59,0 +/- 3,6, 50,50 USD claude-fable-5-1: 66,1 +/- 5,6, 87,50 USD gpt-6-astra: 57,3 +/- 5,8, 87,50 USD gpt-oss-120bclaude-sonnet-5 Económicaclaude-opus-5-5 Mejor, Equilibrada
Uso de herramientas, Difícil
02550751001 USD10 USD100 USD qwen3.5-9b: 9,2 +/- 2,4, 1,13 USD gpt-oss-120b: 14,2 +/- 2,3, 1,68 USD gpt-5-mini: 22,3 +/- 2,6, 4,60 USD claude-haiku-4-5: 13,9 +/- 2,7, 13,00 USD gemini-3.1-pro-preview: 59,4 +/- 4,2, 29,60 USD gpt-5.4: 81,8 +/- 2,0, 37,00 USD claude-sonnet-4-6: 62,8 +/- 1,8, 39,00 USD gpt-5.5: 66,1 +/- 2,5, 74,00 USD gpt-oss-120bgpt-5.4 Mejor, Equilibrada, Económica
Preguntas sobre un documento, Difícil
02550751001 USD2 USD5 USD10 USD20 USD50 USD gpt-oss-120b: 36,1 +/- 5,0, 1,74 USD gpt-5-mini: 69,4 +/- 5,0, 3,80 USD gpt-4.1-mini: 44,4 +/- 5,0, 4,64 USD llama-3.3-70b-instruct-turbo: 33,3 +/- 5,0, 9,26 USD gpt-4.1: 63,9 +/- 5,0, 23,20 USD gpt-oss-120b

Fuentes

  • Epoch AIEpoch AI, Capabilities and Benchmarking, epoch.ai/benchmarks, consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026
  • LMArenaConjunto de datos del ranking de LMArena (lmarena-ai/leaderboard-dataset en Hugging Face), consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026

Qué son estos números

  • Estas cifras vienen de las fuentes que indica cada fila, no de las pruebas propias de Zabio. Las pruebas de Zabio se muestran aparte y nunca se combinan con ellas en una sola cifra.
  • Las fuentes prueban los modelos con sus propios ajustes. Una diferencia de ajustes respecto a cómo Zabio llama al modelo se marca en la fila y reduce su peso.
  • Las puntuaciones solo se comparan dentro de un mismo benchmark. Las puntuaciones por tarea combinan benchmarks por evidencia en errores estándar, así que son un resumen, no un resultado de benchmark.
  • Un modelo ausente de todas las fuentes aparece como tal en lugar de omitirse.

Los resultados de nuestras propias pruebas tienen su propia sección.

A dónde ir ahora

Cómo elige el enrutamiento entre estos modelos

Los nombres de modelos y empresas son marcas de sus titulares. Zabio usa estos modelos a través de las API de sus proveedores y no tiene relación societaria con ellos.