GPT-4 Turbo：完整基准性能指南

openai turbo 2023-11-06 Proprietary

深入分析 GPT-4 Turbo 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turbo
发布日期2023-11-06
上下文窗口128000 tokens
输入模态text, image
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
MMLU84.4%2023-11-065-shot查看
HUMANEVAL80.5pass@12023-11-06—查看
GSM8K85.2%2023-11-060-shot CoT查看
MATH50.9%2023-11-060-shot CoT查看
BBH78.5%2023-11-063-shot CoT查看
GPQA49.2%2023-11-060-shot查看
IFEVAL77.9%2023-11-06prompt_strict查看
ARC94.2%2023-11-06challenge查看
MUSR61.1%2023-11-060-shot查看
WINOGRANDE80.8%2023-11-060-shot查看

定价

项目价格币种
输入$10 / MtokUSD
输出$30 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://openai.com/api/pricing/ · 截至 2023-11-06

合规性

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

GPT-4 Turbo

模型概述

OpenAI GPT-4 Turbo 模型, 128K 上下文窗口, 支持视觉输入, 相比 GPT-4 价格降低 3 倍, 性能提升。

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
Openaiturbo2023-11-06128Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)84.4%5-shot
HumanEval80.5pass@1—
GSM8K (Grade School Math 8K)85.2%0-shot CoT
MATH50.9%0-shot CoT
BBH (BIG-Bench Hard)78.5%3-shot CoT
GPQA49.2%0-shot
IFEval77.9%prompt_strict
ARC94.2%challenge
MUSR61.1%0-shot
WinoGrande80.8%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 84.4，知识推理能力强。
  • HumanEval 80.5，代码生成能力出色。
  • GSM8K 85.2，数学推理稳健。
  • 支持文本、图像、音频多模态输入。
  • 上下文窗口 128K，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
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献