GPT-4 32K：完整基准性能指南

openai 4-32k 2023-03-14 Proprietary

深入分析 GPT-4 32K 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商openai
版本4-32k
发布日期2023-03-14
上下文窗口32768 tokens
输入模态text
输出模态text
许可Proprietary
文档https://platform.openai.com/docs/models

基准测试表现

基准得分单位评测日期备注来源
MMLU80.8%2023-03-145-shot查看
HUMANEVAL76.8pass@12023-03-14—查看
GSM8K81.6%2023-03-140-shot CoT查看
MATH40.1%2023-03-140-shot CoT查看
BBH79.2%2023-03-143-shot CoT查看
GPQA40.9%2023-03-140-shot查看
IFEVAL74.7%2023-03-14prompt_strict查看
ARC95%2023-03-14challenge查看
MUSR54.9%2023-03-140-shot查看
WINOGRANDE82.2%2023-03-140-shot查看

定价

项目价格币种
输入$60 / MtokUSD
输出$120 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://openai.com/api/pricing/ · 截至 2023-03-14

合规性

  • 数据驻留: US
  • SOC2: ✓
  • HIPAA: ✓
  • GDPR: ✓
  • ISO 27001: ✓

GPT-4 32K

模型概述

OpenAI GPT-4 32K 上下文版本, 支持 32768 token 长文本输入, 适合长文档理解与生成任务。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Openai4-32k2023-03-1432KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)80.8%5-shot
HumanEval76.8pass@1—
GSM8K (Grade School Math 8K)81.6%0-shot CoT
MATH40.1%0-shot CoT
BBH (BIG-Bench Hard)79.2%3-shot CoT
GPQA40.9%0-shot
IFEval74.7%prompt_strict
ARC95.0%challenge
MUSR54.9%0-shot
WinoGrande82.2%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 80.8，知识推理能力强。
  • 上下文窗口 32K，支持长文本。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 长文档摘要
  • Agent 工作流与工具调用

参考文献