GPT-4o (2024-08-06)：完整基准性能指南

openai 4o-2024-08-06 2024-08-06 Proprietary

深入分析 GPT-4o (2024-08-06) 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-2024-08-06
发布日期2024-08-06
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
MMLU87.6%2024-08-065-shot查看
HUMANEVAL85.1pass@12024-08-06—查看
GSM8K93.3%2024-08-060-shot CoT查看
MATH68.2%2024-08-060-shot CoT查看
BBH84.9%2024-08-063-shot CoT查看
GPQA62%2024-08-060-shot查看
IFEVAL85.5%2024-08-06prompt_strict查看
ARC95.9%2024-08-06challenge查看
MUSR62.9%2024-08-060-shot查看
WINOGRANDE87.7%2024-08-060-shot查看

定价

项目价格币种
输入$2.5 / MtokUSD
输出$10 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://openai.com/api/pricing/ · 截至 2024-08-06

合规性

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

GPT-4o (2024-08-06)

模型概述

OpenAI GPT-4o 2024-08-06 快照版本, 价格降低 50%, 支持 Structured Outputs 结构化输出。

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-2024-08-062024-08-06128Ktext, image, audiotext, audioProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)87.6%5-shot
HumanEval85.1pass@1—
GSM8K (Grade School Math 8K)93.3%0-shot CoT
MATH68.2%0-shot CoT
BBH (BIG-Bench Hard)84.9%3-shot CoT
GPQA62.0%0-shot
IFEval85.5%prompt_strict
ARC95.9%challenge
MUSR62.9%0-shot
WinoGrande87.7%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 87.6，知识推理能力强。
  • HumanEval 85.1，代码生成能力出色。
  • GSM8K 93.3，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