GPT OSS 120B High

Fiche modèle · OpenAI · gpt-oss-120b-high

GPT-OSS-120B High provides enhanced reasoning capabilities with high-effort thinking for complex problems. This variant offers deeper analysis and more thorough responses compared to the base model, making it ideal for challenging tasks that require extended reasoning. Activates 5.1B parameters per forward pass and is optimized to run on a single H100 GPU with native MXFP4 quantization.

Fiches modèles

Identité

Organisation	OpenAI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-08-05
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 117 Md > 107 Md
Modalités	text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	117 B
Paramètres actifs (session)	5.1 B
Source des paramètres actifs	web : https://huggingface.co/openai/gpt-oss-120b
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:34.812952Z
Mis à jour le	2026-11-04T06:05:03.616708Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-oss-120b-high

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
instruction_following	0.70
language	0.80
legal	0.80
math	0.90
physics	0.80
reasoning	0.80
finance	0.80
general	0.80
healthcare	0.80
agents	0.60
biology	0.80
chemistry	0.80
tool_calling	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.93	1.00	0.93	non	oui	2026-11-04T06:05:03.624541Z
gpqa	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:05:03.642522Z
ifbench	instruction_following	0.69	1.00	0.69	non	oui	2026-11-04T06:05:03.638007Z
livecodebench-v6	reasoning	0.82	1.00	0.82	non	oui	2026-11-04T06:05:03.628177Z
mmlu-pro	language	0.81	1.00	0.81	non	oui	2026-11-04T06:05:03.621410Z
mmmlu	language	0.84	1.00	0.84	non	oui	2026-11-04T06:05:03.634251Z
t2-bench	agents	0.64	1.00	0.64	non	oui	2026-11-04T06:05:03.631211Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	177	—	2.95	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04