GPT-4o (2024-05-13)：完整基准性能指南

openai 4o-2024-05-13 2024-05-13 Proprietary

深入分析 GPT-4o (2024-05-13) 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4o-2024-05-13
发布日期2024-05-13
上下文窗口128000 tokens
输入模态text, image, audio
输出模态text, audio
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
MMLU89.8%2024-05-135-shot查看
HUMANEVAL83.2pass@12024-05-13—查看
GSM8K92.6%2024-05-130-shot CoT查看
MATH67.1%2024-05-130-shot CoT查看
BBH86.7%2024-05-133-shot CoT查看
GPQA58.8%2024-05-130-shot查看
IFEVAL86.7%2024-05-13prompt_strict查看
ARC96.8%2024-05-13challenge查看
MUSR62.8%2024-05-130-shot查看
WINOGRANDE89.3%2024-05-130-shot查看

定价

项目价格币种
输入$5 / MtokUSD
输出$15 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://openai.com/api/pricing/ · 截至 2024-05-13

合规性

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

GPT-4o (2024-05-13)

模型概述

OpenAI GPT-4o 2024-05-13 快照版本, 多模态旗舰模型, 支持文本/图像/音频输入输出。

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
Openai4o-2024-05-132024-05-13128Ktext, image, audiotext, audioProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)89.8%5-shot
HumanEval83.2pass@1—
GSM8K (Grade School Math 8K)92.6%0-shot CoT
MATH67.1%0-shot CoT
BBH (BIG-Bench Hard)86.7%3-shot CoT
GPQA58.8%0-shot
IFEval86.7%prompt_strict
ARC96.8%challenge
MUSR62.8%0-shot
WinoGrande89.3%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 89.8，知识推理能力强。
  • HumanEval 83.2，代码生成能力出色。
  • GSM8K 92.6，数学推理稳健。
  • 支持文本、图像、音频多模态输入。

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
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献