基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 85.8 | % | 2023-03-14 | 5-shot | 查看 |
| HUMANEVAL | 77.6 | pass@1 | 2023-03-14 | — | 查看 |
| GSM8K | 91.7 | % | 2023-03-14 | 0-shot CoT | 查看 |
| MATH | 43.9 | % | 2023-03-14 | 0-shot CoT | 查看 |
| BBH | 80.9 | % | 2023-03-14 | 3-shot CoT | 查看 |
| GPQA | 39.2 | % | 2023-03-14 | 0-shot | 查看 |
| IFEVAL | 74.6 | % | 2023-03-14 | prompt_strict | 查看 |
| ARC | 94.1 | % | 2023-03-14 | challenge | 查看 |
| MUSR | 54.6 | % | 2023-03-14 | 0-shot | 查看 |
| WINOGRANDE | 80.3 | % | 2023-03-14 | 0-shot | 查看 |
合规性
- 数据驻留: US
- SOC2: ✓
- HIPAA: ✓
- GDPR: ✓
- ISO 27001: ✓
GPT-4
模型概述
OpenAI GPT-4 大型语言模型, 8K 上下文, 在推理/创意/协作任务上显著超越 GPT-3.5, 首次引入人类水平表现。
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 |
|---|
| Openai | 4 | 2023-03-14 | 8K | text | text | Proprietary |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 85.8 | % | 5-shot |
| HumanEval | 77.6 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 91.7 | % | 0-shot CoT |
| MATH | 43.9 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 80.9 | % | 3-shot CoT |
| GPQA | 39.2 | % | 0-shot |
| IFEval | 74.6 | % | prompt_strict |
| ARC | 94.1 | % | challenge |
| MUSR | 54.6 | % | 0-shot |
| WinoGrande | 80.3 | % | 0-shot |
定价
每百万 token
优势
- MMLU 得分 85.8，知识推理能力强。
- GSM8K 91.7，数学推理稳健。
劣势
- 闭源专有模型，不支持自托管。
- 上下文窗口 8K 偏小。
适用场景
参考文献