GPT-4 0125 Preview：完整基准性能指南

openai 4-0125-preview 2024-01-25 Proprietary

深入分析 GPT-4 0125 Preview 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

Key Specifications

Vendoropenai
Version4-0125-preview
Release Date2024-01-25
Context Window128000 tokens
Input Modalitiestext
Output Modalitiestext
LicenseProprietary
Documentationhttps://platform.openai.com/docs/models

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU82.6%2024-01-255-shotview
HUMANEVAL80.3pass@12024-01-25—view
GSM8K82.9%2024-01-250-shot CoTview
MATH42.3%2024-01-250-shot CoTview
BBH78.2%2024-01-253-shot CoTview
GPQA46.8%2024-01-250-shotview
IFEVAL71.4%2024-01-25prompt_strictview
ARC95.5%2024-01-25challengeview
MUSR65.8%2024-01-250-shotview
WINOGRANDE86.6%2024-01-250-shotview

Pricing

TierPriceCurrency
Input$10 / MtokUSD
Output$30 / MtokUSD
Cache Read$0 / MtokUSD
Cache Write$0 / MtokUSD

Source: https://openai.com/api/pricing/ · as of 2024-01-25

Compliance

  • Data Residency: US
  • SOC2: ✓
  • HIPAA: ✓
  • GDPR: ✓
  • ISO 27001: ✓

GPT-4 0125 Preview

模型概述

OpenAI GPT-4 0125 预览版, 128K 上下文, 修复函数调用重复调用问题, 改进代码生成能力。

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
Openai4-0125-preview2024-01-25128KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)82.6%5-shot
HumanEval80.3pass@1—
GSM8K (Grade School Math 8K)82.9%0-shot CoT
MATH42.3%0-shot CoT
BBH (BIG-Bench Hard)78.2%3-shot CoT
GPQA46.8%0-shot
IFEval71.4%prompt_strict
ARC95.5%challenge
MUSR65.8%0-shot
WinoGrande86.6%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 82.6，知识推理能力强。
  • HumanEval 80.3，代码生成能力出色。
  • 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
  • Agent 工作流与工具调用

参考文献