基准测试表现
| 基准 |
得分 |
单位 |
评测日期 |
备注 |
来源 |
| MMLU |
85.8 |
% |
2023-03-14 |
5-shot |
查看 |
| HUMANEVAL |
77.6 |
pass@1 |
2023-03-14 |
— |
查看 |
| GSM8K |
91.7 |
% |
2023-03-14 |
0-shot CoT |
查看 |
| MATH |
43.9 |
% |
2023-03-14 |
0-shot CoT |
查看 |
| BBH |
80.9 |
% |
2023-03-14 |
3-shot CoT |
查看 |
| GPQA |
39.2 |
% |
2023-03-14 |
0-shot |
查看 |
| IFEVAL |
74.6 |
% |
2023-03-14 |
prompt_strict |
查看 |
| ARC |
94.1 |
% |
2023-03-14 |
challenge |
查看 |
| MUSR |
54.6 |
% |
2023-03-14 |
0-shot |
查看 |
| WINOGRANDE |
80.3 |
% |
2023-03-14 |
0-shot |
查看 |
合规性
- 数据驻留: US
- SOC2: ✓
- HIPAA: ✓
- GDPR: ✓
- ISO 27001: ✓
GPT-4
模型概述
OpenAI GPT-4 大型语言模型, 8K 上下文, 在推理/创意/协作任务上显著超越 GPT-3.5, 首次引入人类水平表现。
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 |
4 |
2023-03-14 |
8K |
text |
text |
Proprietary |
基准测试表现
| 基准 |
得分 |
单位 |
备注 |
| MMLU (Massive Multitask Language Understanding) |
85.8 |
% |
5-shot |
| HumanEval |
77.6 |
pass@1 |
— |
| GSM8K (Grade School Math 8K) |
91.7 |
% |
0-shot CoT |
| MATH |
43.9 |
% |
0-shot CoT |
| BBH (BIG-Bench Hard) |
80.9 |
% |
3-shot CoT |
| GPQA |
39.2 |
% |
0-shot |
| IFEval |
74.6 |
% |
prompt_strict |
| ARC |
94.1 |
% |
challenge |
| MUSR |
54.6 |
% |
0-shot |
| WinoGrande |
80.3 |
% |
0-shot |
定价
每百万 token
优势
- MMLU 得分 85.8，知识推理能力强。
- GSM8K 91.7，数学推理稳健。
劣势
- 闭源专有模型，不支持自托管。
- 上下文窗口 8K 偏小。
适用场景
参考文献