- 131K context
- Reasoning
- Responses API
GPT-OSS 120B QuickSilver Pro पर
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
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $0.03 | $0.15 | — |
| Published reference(openai/gpt-oss-120b) | $0.03 | $0.15 | बराबर |
| OpenAI (GPT-4o mini) | $0.15 | $0.60 | 75% 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।
- काम को ज़्यादा मज़बूत मॉडल चाहिएGPT-6 Astra का AA Intelligence Index स्कोर 55 है (यहाँ 16), output क़ीमत 333.333×।GPT-6 Astra $10.00 / $50.00 · 1M
- आपको strict JSON Schema output चाहिएGPT-6 Luna JSON Schema output देता है, output क़ीमत 3.333×।GPT-6 Luna $0.10 / $0.50 · 1M
- आपको image input चाहिएGPT-6.1 Terra image input लेता है, output क़ीमत 33.333×।GPT-6.1 Terra $1.00 / $5.00 · 1M
- आपको लंबा context चाहिएGPT-5.6 Luna 1M tokens लेता है, output क़ीमत 6.4×।GPT-5.6 Luna $0.16 / $0.96 · 1M
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!"
}'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
- 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
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।
हाँ — वही open-weight 117B mixture-of-experts मॉडल जिसे OpenAI ने publish किया, एक hosted OpenAI-compatible endpoint के रूप में serve किया जाता है। आपको 120B-class infrastructure खुद चलाए बिना मॉडल मिलता है, streaming, tool calling, और आपके QuickSilver Pro balance पर per-token billing के साथ।
हाँ — QuickSilver Pro पर GPT-OSS 120B एक OpenAI-compatible chat completions endpoint है (Responses API भी काम करता है)। base_url=https://api.quicksilverpro.io/v1 सेट करें, अपनी QSP key paste करें, और model="gpt-oss-120b" इस्तेमाल करें। Streaming, tool calling, और usage.cost accounting सब काम करते हैं।
प्रति दस लाख टोकन इनपुट $0.03 / आउटपुट $0.15।