基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 86.3 | % | 2024-12-17 | 5-shot | 查看 |
| HUMANEVAL | 85.3 | pass@1 | 2024-12-17 | — | 查看 |
| GSM8K | 88.9 | % | 2024-12-17 | 0-shot CoT | 查看 |
| MATH | 55.7 | % | 2024-12-17 | 0-shot CoT | 查看 |
| BBH | 83.1 | % | 2024-12-17 | 3-shot CoT | 查看 |
| GPQA | 57.5 | % | 2024-12-17 | 0-shot | 查看 |
| IFEVAL | 82.2 | % | 2024-12-17 | prompt_strict | 查看 |
| ARC | 96.8 | % | 2024-12-17 | challenge | 查看 |
| MUSR | 71.8 | % | 2024-12-17 | 0-shot | 查看 |
| WINOGRANDE | 86.7 | % | 2024-12-17 | 0-shot | 查看 |
合规性
- 数据驻留: US
- SOC2: ✓
- HIPAA: ✓
- GDPR: ✓
- ISO 27001: ✓
o1
模型概述
OpenAI o1 正式版推理模型, 200K 上下文, 强化链式思维推理, 在数学竞赛与编程竞赛上达到顶尖水平。
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 | o1 | 2024-12-17 | 200K | text | text | Proprietary |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 86.3 | % | 5-shot |
| HumanEval | 85.3 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 88.9 | % | 0-shot CoT |
| MATH | 55.7 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 83.1 | % | 3-shot CoT |
| GPQA | 57.5 | % | 0-shot |
| IFEval | 82.2 | % | prompt_strict |
| ARC | 96.8 | % | challenge |
| MUSR | 71.8 | % | 0-shot |
| WinoGrande | 86.7 | % | 0-shot |
定价
每百万 token
优势
- MMLU 得分 86.3，知识推理能力强。
- HumanEval 85.3，代码生成能力出色。
- GSM8K 88.9，数学推理稳健。
劣势
适用场景
参考文献