मुख्य सामग्री पर जाएँ
  • 131K context
  • Reasoning
  • Responses API

GPT-OSS 120B QuickSilver Pro पर

gpt-oss-120b
OpenAIलाइव उपलब्धता—

एक OpenAI-compatible API से GPT-OSS 120B का इस्तेमाल करें, 131K टोकन की कॉन्टेक्स्ट विंडो के साथ। प्रति दस लाख टोकन इनपुट $0.03 / आउटपुट $0.15।

  • 131K context
  • Tools
  • Reasoning · डिफ़ॉल्ट रूप से चालू
  • Streaming
  • JSON Schema output नहीं

आप चुकाते हैं · input / output प्रति 1M

$0.03 / $0.15

लिस्ट प्राइस पर

Published reference जैसी ही दरें

Pricing तुलना ($/1M tokens)

बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.03$0.15—
Published reference(openai/gpt-oss-120b)$0.03$0.15बराबर
OpenAI (GPT-4o mini)$0.15$0.6075% कम

एक नज़र में

Context
131K tokens
Input / 1M
$0.03
Output / 1M
$0.15
Default में सोचता है
हाँ
Latency · लाइव
—
AA Intelligence Index
16

OpenAI के open-weight 117B MoE पर high-volume production agents — सैकड़ों अरब tokens पर परखा हुआ।

GPT-OSS 120B कब सही चुनाव है?

catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।

कब इस्तेमाल करें

GPT-OSS 120B तब चुनें जब आपको open-model कीमतों पर OpenAI-स्तर की instruction following चाहिए: high-volume agent loops, tool-heavy automation, बड़े पैमाने पर background summarization और classification। इसका 117B MoE प्रति token केवल 5.1B parameters active करता है, इसलिए यह तेज़ है, और यह असली इस्तेमाल में परखा हुआ है — आज चल रहे कुछ सबसे बड़े public agent deployments इसी पर चलते हैं। Reasoning हमेशा चालू रहती है; गहराई और latency व लागत के बीच संतुलन के लिए reasoning_effort इस्तेमाल करें।

  • Tools call करने वाले agents
  • कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
  • Chat Completions के साथ Responses API clients भी

कब कोई और model चुनें

इसकी 131K-token window मध्यम आकार की है — पूरे codebase के context के लिए GLM 5.3 Flash और Qwen3.8 27B उसी price class में कहीं बड़ी windows देते हैं। Frontier-स्तर की कठिन reasoning के लिए GPT-5.6 Sol या Claude Opus 5 पर जाएँ। यहाँ reasoning अनिवार्य है, इसलिए मामूली high-frequency calls भी thinking tokens खर्च करती हैं — DeepSeek V4 Flash ($0.06/$0.18) बिना overhead के सीधे जवाब देता है।

Models में विकल्पों की तुलना करें

Quickstart (curl)

API key पाएँ →
curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-oss-120b",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
  model: "gpt-oss-120b",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);
curl https://api.quicksilverpro.io/v1/responses \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-oss-120b",
    "input": "Hello!"
  }'
python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

OpenAI-संगत। base_url बदलकर एक लाइन में migration।

Gateway का व्यवहार

इस मॉडल के लिए compatibility नोट्स।

prompt
131K tokens तक के prompts।
  • /v1/chat/completions: समर्थित
  • /v1/responses: समर्थित
  • streaming: समर्थित
  • tools: समर्थित
  • image input: इस मॉडल के लिए सूचीबद्ध नहीं
  • JSON Schema: इस मॉडल के लिए सूचीबद्ध नहीं
  • reasoning: समर्थित

क़ीमत कहाँ से आती है

Catalog v87 · कोई अलग long-context tier नहीं

Provider reference
$0.03 / $0.15
Catalog में सत्यापित
Prompt cache · तुलना नहीं
$0.03 read

usage.cost = prompt_tokens × $0.03/1M + completion_tokens × $0.15/1M

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

FAQ

सामान्य प्रश्न

Reasoning हमेशा चालू रहती है — इस endpoint पर यह अनिवार्य है और बंद नहीं की जा सकती (इसे बंद करने की कोशिश करने वाली request upstream पर reject हो जाती है)। गहराई और latency व लागत के बीच संतुलन के लिए reasoning_effort इस्तेमाल करें। Reasoning tokens output tokens के रूप में bill होते हैं और दिखने वाले जवाब से पहले आपके max_tokens budget में से लिए जाते हैं, इसलिए max_tokens खुलकर सेट करें, वरना जवाब कटा हुआ आ सकता है।

GPT-OSS 120B

GPT-OSS 120B को double credits के साथ आज़माएँ — $50 तक bonus credits

API Key पाएँ

$0.03 / $0.15input / output प्रति 1M tokens

आज़माएंAPI Key पाएँ