gpt-oss-120b

Índices independientes, mostrados como contexto; no son nuestra medición. Artificial Analysis y Design Arena clasifican los modelos con sus propias suites generales; nuestra tasa de aprobación es específica por tarea y se vuelve a medir en los modelos que probamos. Cuando coinciden, es una corroboración; cuando no, el número específico por tarea suele ser el que importa para enrutar una carga de trabajo real.