openai
OpenAI: gpt-oss-120b
openai/gpt-oss-120b
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
openai/gpt-oss-120b é um modelo de texto da OpenAI com pesos abertos, descrito em sua documentação como uma arquitetura mixture-of-experts de 117B parâmetros, com 5,1B ativos por passagem. A mesma fonte informa licença Apache 2.0, pesos MXFP4 adequados a uma única GPU de 80 GB, esforço de raciocínio configurável em baixo, médio ou alto, acesso completo à cadeia de pensamento, ajuste fino e funções agênticas. O OpenRouter lista apenas entrada e saída de texto, com raciocínio obrigatório e esforço médio por padrão. São capacidades relatadas pelas fontes; não houve validação independente de cargas de trabalho.[1][2]
Pontos fortes
- A ficha do modelo informa pesos abertos sob Apache 2.0, permissão para implantação comercial e ajuste fino completo de parâmetros, o que pode facilitar produtos personalizados.[2]
- Seu desenho MoE ativa 5,1B de 117B parâmetros por passagem, e a documentação afirma que a quantização MXFP4 permite a execução em uma GPU de 80 GB.[2]
- O esforço de raciocínio configurável, a cadeia de pensamento inspecionável para depuração, chamadas de função, navegação web, execução de Python e saídas estruturadas apoiam fluxos agênticos.[1][2]
Limitações
- O OpenRouter lista somente entradas e saídas de texto; as fontes não estabelecem suporte a imagens, áudio ou outras modalidades.[1]
- A documentação da OpenAI adverte que o modelo só deve ser usado com o formato de resposta harmony e que não funcionará corretamente de outra forma.[2]
- O catálogo marca o raciocínio como obrigatório, e o pacote contém apenas documentação do fornecedor além de dados de catálogo; valide latência, custo, qualidade e segurança na carga pretendida.[1][2]
Onde usar
- Considere-o para implantações comerciais ou auto-hospedadas personalizadas quando a licença Apache 2.0 e o ajuste fino forem importantes.[2]
- Avalie-o para aplicações de texto agênticas que exijam chamadas de função, navegação web, execução de Python ou saídas estruturadas.[1][2]
- Pode servir para assistentes de produção quando o esforço de raciocínio selecionável for útil e houver capacidade adequada de aceleradores.[2]
Fontes
- [1] OpenRouter catalog · OpenAI: gpt-oss-120bFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · OpenAI: gpt-oss-120bFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- openai/gpt-oss-120b
- Criador
- openai
- Adicionado ao OpenRouter
- 05.08.2025
- Comprimento de contexto
- 131,072
- Modalidade
- text->text
- Modalidades de entrada
- text
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.150 / saída $0.600
- Corte de conhecimento
- 30.06.2024
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | CC — abaixo da faixa B | raciocínio: obrigatório · padrão medium · esforços: high, medium, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | CC — abaixo da faixa B | — |
| Agentes | CC — abaixo da faixa B | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · padrão medium · esforços: high, medium, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 3.8 | CC — abaixo da faixa B | 13.11.2026 |
| Artificial Analysis | Coding index | 30.4 | CC — abaixo da faixa B | 13.11.2026 |
| Artificial Analysis | Agentic index | 3.7 | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 29.4% · posição 129 | 884Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 33.4% · posição 138 | 953Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 43.6% · posição 122 | 985Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 40.5% · posição 127 | 982Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 35.7% · posição 132 | 919Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 32.5% · posição 140 | 961Elo | CC — abaixo da faixa B | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Io Netfp4 | 131,052 | $0.030 | $0.150 | — | — | 70% |
| Near AIfp4 | 131,072 | $0.030 | $0.150 | — | — | 100% |
| Veniceint4 | 128,000 | $0.030 | $0.150 | — | — | 100% |
| CoreWeavefp4 | 131,072 | $0.030 | $0.170 | — | — | 100% |
| DekaLLMbf16 | 131,072 | $0.030 | $0.180 | — | — | 100% |
| AkashMLfp4 | 131,072 | $0.030 | $0.187 | — | — | 100% |
| DeepInfrabf16 | 131,072 | $0.037 | $0.170 | — | — | 100% |
| Crusoebf16 | 131,072 | $0.050 | $0.250 | — | — | 100% |
| Mancer 2fp8 | 131,072 | $0.055 | $0.250 | — | — | 100% |
| PrimeIntellectfp4 | 131,072 | $0.057 | $0.122 | — | — | 100% |
| Sail Researchfp4 | 131,072 | $0.060 | $0.400 | — | — | 100% |
| DigitalOcean | 128,000 | $0.060 | $0.420 | — | — | 100% |
| 131,072 | $0.090 | $0.360 | — | — | 69.57% | |
| BaseTenfp4 | 128,072 | $0.100 | $0.500 | — | — | 100% |
| BaseTenfp4 | 128,072 | $0.100 | $0.500 | — | — | 92.86% |
| Parasailfp4 | 131,072 | $0.100 | $0.750 | — | — | 100% |
| SambaNova | 131,072 | $0.140 | $0.950 | — | — | 100% |
| Amazon Bedrock | 131,072 | $0.150 | $0.600 | — | — | 100% |
| Nebiusfp4 | 131,072 | $0.150 | $0.600 | — | — | 100% |
| Amazon Bedrock | 131,072 | $0.150 | $0.600 | — | — | 100% |
| SiliconFlowfp8 | 131,072 | $0.150 | $0.600 | — | — | 100% |
| Together | 131,072 | $0.150 | $0.600 | — | — | 96.43% |
| Groq | 131,072 | $0.150 | $0.600 | — | — | 100% |
| Parasailfp4 | 131,072 | $0.150 | $0.750 | — | — | 100% |
| DeepInfrafp8 | 131,072 | $0.200 | $0.950 | — | — | 100% |
| Cerebrasfp16 | 131,072 | $0.350 | $0.750 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
- Amazon disponibiliza SGLang-Neuron para servir modelos no AWS TrainiumSGLang-Neuron, lançado pela RadixArk em colaboração com a Annapurna Labs, já está disponível publicamente por meio de um AWS Deep Learning Container para servir modelos e gerar rollouts de aprendizado por reforço com o SGLang no AWS Trainium.
- Quatro escolhas de requisição do Amazon Bedrock que afetam o custo de inferênciaUm artigo da AWS mostra como a duração do cache, o nível de serviço, o esforço de raciocínio e maxTokens alteram tokens e tarifas no Amazon Bedrock, com testes em modelos Claude e Nova.