GPT-4 1106 Preview：完整基准性能指南

openai 4-1106-preview 2023-11-06 Proprietary

深入分析 GPT-4 1106 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
Version4-1106-preview
Release Date2023-11-06
Context Window128000 tokens
Input Modalitiestext
Output Modalitiestext
LicenseProprietary
Documentationhttps://platform.openai.com/docs/models

Benchmark Performance

BenchmarkScoreUnitEvaluated AtNotesSource
MMLU81.8%2023-11-065-shotview
HUMANEVAL83.7pass@12023-11-06—view
GSM8K85.4%2023-11-060-shot CoTview
MATH52.1%2023-11-060-shot CoTview
BBH80%2023-11-063-shot CoTview
GPQA36.2%2023-11-060-shotview
IFEVAL73.9%2023-11-06prompt_strictview
ARC94.3%2023-11-06challengeview
MUSR58.4%2023-11-060-shotview
WINOGRANDE82%2023-11-060-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 2023-11-06

Compliance

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

GPT-4 1106 Preview

模型概述

OpenAI GPT-4 1106 预览版, 128K 上下文, 改进函数调用与 JSON 模式, 适合结构化输出任务。

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
Openai4-1106-preview2023-11-06128KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)81.8%5-shot
HumanEval83.7pass@1—
GSM8K (Grade School Math 8K)85.4%0-shot CoT
MATH52.1%0-shot CoT
BBH (BIG-Bench Hard)80.0%3-shot CoT
GPQA36.2%0-shot
IFEval73.9%prompt_strict
ARC94.3%challenge
MUSR58.4%0-shot
WinoGrande82.0%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 81.8，知识推理能力强。
  • HumanEval 83.7，代码生成能力出色。
  • GSM8K 85.4，数学推理稳健。
  • 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