GPT-OSS 20B via Groq
GPT-OSS 20B ist OpenAIs kompaktes Open-Weights-Modell der OSS-Serie mit 21 Milliarden Parametern in dichter Architektur, gehostet über Groq für Cloud-Nutzung und parallel als Download für lokales Deployment. Das Modell unterstützt konfigurierbares Reasoning mit drei Intensitätsstufen und Apache-2.0-Lizenz für vollständige kommerzielle Nutzbarkeit.
- Open Weights
- Desktop
- GR
- Text
- Real-Time
Sovereign Risk: LOW OpenAI ist ein US-Unternehmen; das Modell wird unter Apache 2.0 als Open Weights veröffentlicht. Cloud-API via Groq: US-Jurisdiktion, CLOUD Act anwendbar. Lokales Deployment mit öffentlichen Gewichten vermeidet API-Datenabfluss.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 64.85
- Routine
- 38.23
- Reasoning
- 26.61
- LLM Judge Avg
- 3.37 / 5
- 100 Coverage
- Avg Task Duration
- 2.16s
- Real-Time
- Token Rate
- 415.69tok/s
- Output Rate
- P95 Latency
- 5.34s
- Top 5 %
- Total Tokens
- 88200
- Output Volume
- Cost per 1K
- Lokal getestet
- USD / 1K Requests
- Benchmark Cost
- Lokal getestet
- Total · 88200 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
GPT-OSS 20B via Groq
Bestes Modell
Ø Alle Modelle
Code Quality
57.16
CLI Benchmark
82.67
Logical Reasoning
73.59
UX Writing
68.05
Documentation
62.36
Content Transform.
51.98
Cultural Intelligence
67.04
Synthesis Quality
Tool Execution
ToolUse Score
Benchmark Cost
Lokal getestet
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.