GPT-OSS 20B

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.

OpenAI Version 20B Kommerzielle Nutzung erlaubt Dense 21 B (21 B aktiv) 131 K Context 06/2025 $0.075 / $0.3 per 1M

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.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Tool-Use-Daten für dieses Modell liegen noch nicht vor.

Score Breakdown vs. Fleet Average

Tool-Use-Daten für dieses Modell liegen noch nicht vor.

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name	P1	P2	Combined
EU License Research	–	–	–
HTTP Fetch & Extract	–	–	–
Tool Failure Handling (404)	–	–	–
Web Search & Tool Selection	–	–	–
URL Construction & Fetch	–	–	–
Multilingual Search & Synthesis	–	–	–

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

Tool Call Valid: Nein
Retry: Nicht erforderlich
Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Token: 0; Input + Output

Cost: $0; Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Profil

Für dieses Modell liegen noch keine abschließenden Tool-Use-Scores vor.

Stärkster Test: EU License Research (NaN). Schwächster Test: Multilingual Search & Synthesis (NaN). Die Streuung zwischen diesen beiden Tests beträgt NaN Punkte.

Reliability-Status: Tool Call Valid nein, Retry nicht erforderlich, Halluzination nicht erkannt.

Diese datengetriebene Auto-Review wird aus den vorhandenen Tool-Use-Benchmark-Daten zusammengestellt. Sobald eine ausführliche LLM-generierte Analyse (GPT 4.5) vorliegt, ersetzt sie diese Vorlage automatisch. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.