Head-to-Head Model Comparison

GPT-OSS 120B vs DeepSeek V4 Pro

Benchmarks, API Token Pricing, Context Window & Speed Comparison

Vérifié par l’équipe de recherche de GetInfoUsDernière révision : October 2026Politique éditoriale

Changez et Comparez les Modèles

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

GPT-OSS 120BProfile

DeepSeek V4 ProProfile

Multi-Model Arena Stack:

5-Model Matrix Workbench

Popular Matchups:

OpenAI

GPT-OSS 120B

Modèle de Base à Poids Ouverts

GPT-OSS 120B de OpenAI est un modèle d’IA conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, offrant une fenêtre de contexte de 131K, une vitesse de 95 tokens/s, un indice d’intelligence

Intelligence Index56 / 100

Input Token:

$0.15 / 1M

Output Token:

$0.60 / 1M

Context Window:

131.1K tokens

SWE-bench Verified:

45.5%

DeepSeek

DeepSeek V4 Pro

IA Agentique et Outils Autonomes

DeepSeek V4 Pro de DeepSeek est un modèle d’IA conçu pour les flux de travail agentiques autonomes, l’appel d’outils et l’orchestration multi-étapes, offrant une fenêtre de contexte de 1M, une vitesse de 80 tokens/s, un indice d’intelligenc

Intelligence Index53 / 100

Input Token:

$1.32 / 1M

Output Token:

$3.96 / 1M

Context Window:

1M tokens

SWE-bench Verified:

68.5%

Différences Clés en un Coup d’Œil

GPT-OSS 120B is 7.3x cheaper for API usage (input + output tokens combined).
DeepSeek V4 Pro has a larger context window (1M vs 131K tokens).
GPT-OSS 120B is faster at 95 tok/s vs 80 tok/s.
DeepSeek V4 Pro leads on SWE-bench coding (68.5% vs 45.5%).

Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →

Caractéristique	GPT-OSS 120B	DeepSeek V4 Pro
Intelligence Index Composite reasoning & knowledge score (0-100)	56	53
Provider	OpenAI	DeepSeek
Input Price Cost per million input tokens	$0.15 / 1M	$1.32 / 1M
Output Price Cost per million output tokens	$0.60 / 1M	$3.96 / 1M
Blended Price Weighted 7:2:1 cache:input:output per 1M	$0.10 / 1M	$0.76 / 1M
Context Window Maximum input + output tokens	131.1K tokens~197 A4 pages of text	1M tokens~1,500 A4 pages of text
Max Output Tokens Per single request	33K	128K
Throughput Speed Tokens generated per second	95 tok/s	80 tok/s
SWE-bench Verified Real-world software engineering	45.5%	68.5%
GPQA Diamond Graduate-level reasoning	68.5%	81.2%
Cached Input Price Prompt caching discount per 1M tokens	$0.01 / 1M	$0.14 / 1M

Qui gagne où ?

At-a-glance decision framework

Code

DeepSeek V4 Pro

+23.0% SWE-bench lead

Coût

GPT-OSS 120B

7.3x cheaper monthly runtime

Vitesse

GPT-OSS 120B

+19% faster generation

Contexte

DeepSeek V4 Pro

1M tokens window

Scores de Benchmarks Vérifiés

Official evaluation metrics verified by independent third-party research labs.

GPT-OSS 120BDeepSeek V4 Pro

SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

45.5%vs68.5%

GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

68.5%vs81.2%

MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

80.5%vs88.9%

LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1330ptsvs1438pts

Humanity's Last Exam (Frontier Expert Knowledge)

Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.

9.8%vs15.6%

Terminal-Bench (Agentic Coding & Terminal Use)

Autonomous multi-step tasks executed inside a real command-line terminal environment.

30.5%vs46.5%

SciCode (Scientific Computing)

Research-grade coding problems drawn from real scientific and numerical workloads.

33%vs43%

LiveCodeBench (Competitive Coding)

Contamination-free competitive programming problems collected continuously over time.

58.5%vs70.2%

AIME (Advanced Math Competition)

American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.

84.5%vs91%

Long-Context Reasoning

Accuracy when reasoning over very large inputs that fill the model context window.

71%vs90%

Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

95 tok/s vs80 tok/s

Latence et Temps de Réponse

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better

GPT-OSS 120B0.48s

DeepSeek V4 Pro0.58s

Est. End-to-End Response (500 tokens)TTFT + generation time

GPT-OSS 120B5.74s

DeepSeek V4 Pro6.83s

Simulateur Interactif de Coût de Tokens

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

Daily Input Tokens100K / day

10K500K1M

Daily Output Tokens30K / day

5K150K300K

Prompt Cache Hit Ratio50% cached

0% (Cold)50%90% (Warm)

GPT-OSS 120B Monthly API Bill

$0.79 / month

$0.15/1M in · $0.6/1M out

DeepSeek V4 Pro Monthly API Bill

$5.75 / month

$1.32/1M in · $3.96/1M out

GPT-OSS 120B saves approximately $4.97 / month (86%) under this workload.7.3x Savings

GPT-OSS 120B · Strengths & Key Advantages

Fenêtre de contexte de 131K et capacité de sortie maximale de 33K tokens (SWE-bench Verified 45.5% · GPQA Diamond 68.5%)
Débit rapide de 95 tokens/seconde avec une latence au premier token (TTFT) de 480 ms
Poids ouverts (117B (5.1B MoE)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama

Considerations & Trade-offs

Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs

DeepSeek V4 Pro · Strengths & Key Advantages

Fenêtre de contexte de 1M et capacité de sortie maximale de 128K tokens (SWE-bench Verified 68.5% · GPQA Diamond 81.2%)
Débit rapide de 80 tokens/seconde avec une latence au premier token (TTFT) de 580 ms
Poids ouverts (MoE (Colossal)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama

Considerations & Trade-offs

Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

Metric	GPT-OSS 120B	DeepSeek V4 Pro
Cost per Task Estimated USD to finish one task	$0.14	$0.67
Output Tokens / Task Tokens generated per task	45K	52K
Reasoning Tokens / Task Thinking tokens burned per task	22K	25K

Spécifications Techniques

Architecture, release timeline, capabilities, and modalities.

Caractéristique	GPT-OSS 120B	DeepSeek V4 Pro
Official API Model ID (SDK)	gpt-oss-120b	deepseek-reasoner
API Protocol	OpenAI Responses API & Chat Completions v1	OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
Release Date	2025-08	2026-08
Knowledge Cutoff	June 2024	May 2026
Architecture	Sparse MoE transformer with reasoning	Next-Gen Sparse MoE with Agent RL Tuning
Parameters	117B (5.1B active MoE)	MoE (Colossal)
Enterprise Rate Limits (RPM / TPM)	Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud	Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
Long-Context Tier (>128K/200K)	Flat rate ($0.15/1M in) across full 131K window	Flat rate ($1.32/1M in) across full 1000K window
Prompt Cache Policy & TTL	Automatic prefix caching at $0.015/1M (no extra cache-write fee)	Automatic prefix caching at $0.14/1M (no extra cache-write fee)
Computer Use / GUI Agent	API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)	API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
MCP & Parallel Tool Calling	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & Sandbox	Native Web Search tool + Hosted Code Interpreter & File Search RAG	Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
Official Fine-Tuning Support	Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)	Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
Multimodal Token Billing	Text BPE (~4 chars/token)	Text BPE (~4 chars/token)
Quantization & Min GPU VRAM	BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 73 GB VRAM (4-bit Quantized) · 252 GB VRAM (Native BF16)	BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 43 GB VRAM (4-bit Quantized) · 151 GB VRAM (Native BF16)
Safety & Frontier Classification	OpenAI Preparedness Framework Audited & System Card Published	Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
Enterprise Compliance (ZDR/HIPAA/SOC2)	100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control	100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Input Modalities	text	text
Output Modalities	text	text

GPT-OSS 120B vs DeepSeek V4 Pro: Réponses Rapides (FAQ)

Which is more intelligent, GPT-OSS 120B or DeepSeek V4 Pro?

GPT-OSS 120B is more intelligent. It scores 56 compared with 53 on the composite Intelligence Index.

Which model is faster?

GPT-OSS 120B is faster, generating 95 tokens per second compared with 80 tokens per second.

Which model is cheaper to run?

GPT-OSS 120B is cheaper at $0.10 per 1M tokens blended, compared with $0.76 (7:2:1 cache:input:output ratio).

Which model has lower latency?

GPT-OSS 120B has lower latency, with a time to first token of 0.48s compared with 0.58s.

Which model has a larger context window?

DeepSeek V4 Pro has a larger context window, supporting 1M tokens compared with 131.1K tokens.

Verdict

GPT-OSS 120B (Conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, l’intégration RAG et les pipelines de production évolutifs.) et DeepSeek V4 Pro (Conçu pour les flux de travail agentiques autonomes, l’appel d’outils et l’orchestration multi-étapes, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : GPT-OSS 120B domine sur les benchmarks de raisonnement et de programmation, GPT-OSS 120B assure un débit supérieur et GPT-OSS 120B offre le meilleur rapport coût-efficacité en production.

Questions fréquentes

Quel modèle choisir pour le code et le raisonnement, GPT-OSS 120B ou DeepSeek V4 Pro ?+

Sur l’indice d’intelligence composite et les tests de code, GPT-OSS 120B prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.

Quelle est la différence de prix API entre GPT-OSS 120B et DeepSeek V4 Pro ?+

GPT-OSS 120B est facturé $0.15 / $0.60 par million de tokens (entrée/sortie) contre $1.32 / $3.96 pour DeepSeek V4 Pro. En coût pondéré, GPT-OSS 120B est plus économique.

Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+

GPT-OSS 120B prend en charge 131.1K tokens contre 1M tokens pour DeepSeek V4 Pro. Côté vitesse de génération, GPT-OSS 120B est le plus rapide.

AI Terminology & Guide

Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & Pricing Context Window AI Benchmarks Reasoning Models Tool Calling Model Context Protocol (MCP)

GPT-OSS 120B vs DeepSeek V4 Pro

Changez et Comparez les Modèles

GPT-OSS 120B

DeepSeek V4 Pro

Qui gagne où ?

Scores de Benchmarks Vérifiés

Latence et Temps de Réponse

Simulateur Interactif de Coût de Tokens

GPT-OSS 120B · Strengths & Key Advantages

Considerations & Trade-offs

DeepSeek V4 Pro · Strengths & Key Advantages

Considerations & Trade-offs

Token Use & Task Economics

Spécifications Techniques

GPT-OSS 120B vs DeepSeek V4 Pro: Réponses Rapides (FAQ)

Verdict

Questions fréquentes

Related reading