GPT-4o (2024-05-13)：完整基准性能指南

openai 4o-2024-05-13 2024-05-13 Proprietary

深入分析 GPT-4o (2024-05-13) 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-2024-05-13
发布日期2024-05-13
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
MMLU 89.8 % 2024-05-13 5-shot 查看
HUMANEVAL 83.2 pass@1 2024-05-13 — 查看
GSM8K 92.6 % 2024-05-13 0-shot CoT 查看
MATH 67.1 % 2024-05-13 0-shot CoT 查看
BBH 86.7 % 2024-05-13 3-shot CoT 查看
GPQA 58.8 % 2024-05-13 0-shot 查看
IFEVAL 86.7 % 2024-05-13 prompt_strict 查看
ARC 96.8 % 2024-05-13 challenge 查看
MUSR 62.8 % 2024-05-13 0-shot 查看
WINOGRANDE 89.3 % 2024-05-13 0-shot 查看

定价

项目 价格 币种
输入$5 / MtokUSD
输出$15 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://openai.com/api/pricing/ · 截至 2024-05-13

合规性

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

GPT-4o (2024-05-13)

模型概述

OpenAI GPT-4o 2024-05-13 快照版本, 多模态旗舰模型, 支持文本/图像/音频输入输出。

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
Openai 4o-2024-05-13 2024-05-13 128K text, image, audio text, audio Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 89.8 % 5-shot
HumanEval 83.2 pass@1 —
GSM8K (Grade School Math 8K) 92.6 % 0-shot CoT
MATH 67.1 % 0-shot CoT
BBH (BIG-Bench Hard) 86.7 % 3-shot CoT
GPQA 58.8 % 0-shot
IFEval 86.7 % prompt_strict
ARC 96.8 % challenge
MUSR 62.8 % 0-shot
WinoGrande 89.3 % 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 89.8，知识推理能力强。
  • HumanEval 83.2，代码生成能力出色。
  • GSM8K 92.6，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