GPT OSS 20B 评测详情

GPT OSS 20B 当前已收录的代表性评测结果包括 AIME 2024（3 / 61，得分 96）、AIME2025（15 / 110，得分 98.70）、MMLU（41 / 124，得分 85.30）。

评测结果

GPT OSS 20B

评测结果

综合知识考试

共 5 项评测

评测名称 / 模式

得分

排名/总数

思考模式

85.30

41 / 124

思考水平·中

73.14

92 / 175

思考模式

74

90 / 175

思考模式

10.90

191 / 235

思考模式工具

17.30

173 / 235

科学知识与推理

共 5 项评测

评测名称 / 模式

得分

排名/总数

思考水平·低

53.16

225 / 253

思考水平·中

60.80

209 / 253

思考模式

71.50

170 / 253

思考水平·高

45.96

236 / 253

思考水平·高

1.40

139 / 204

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考模式

34

110 / 116

数学

共 4 项评测

评测名称 / 模式

得分

排名/总数

思考模式

79

68 / 110

思考模式工具

98.70

15 / 110

思考水平·高工具

89.17

43 / 110

思考模式工具

96

3 / 61

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

665.60

108 / 110

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

2230

13 / 21

思考模式工具

2516

10 / 21

客服与业务流程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

47.70

37 / 44

思考水平·高工具

7

144 / 167

事实查找与深度检索

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

28.30

55 / 58

自主开发与终端任务

共 2 项评测

评测名称 / 模式

得分

排名/总数

Terminal Bench Hard

思考水平·低工具

4.50

214 / 244

Terminal Bench Hard

思考水平·高工具

10.60

182 / 244

跨应用与工具编排

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

66

35 / 38

unknown

36.34

42 / 45

科学计算与科研编程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

38.90

113 / 134

文档与图表理解

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

2

110 / 122

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

137.81

104 / 167

与其他模型对比