GPT-4o(2024-11-20) 评测详情
GPT-4o(2024-11-20) 当前已收录的代表性评测结果包括 HumanEval（7 / 39，得分 90.20）、SimpleQA（19 / 45，得分 38.80）、MMLU（37 / 65，得分 85.70）。本页还提供与 3 个竞品模型及 2 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。
评测结果
GPT-4o(2024-11-20)
评测结果
竞品对比
GPT-4o(2024-11-20) 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
7 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | GPT-4o(2024-11-20)当前 | Claude3-Opus | Gemini 2.0 Pro Experimental | DeepSeek-V3 |
|---|---|---|---|---|
MMLU 综合评估 | 85.70常规模式 | 86.80常规模式 | 86.50常规模式 | 88.50常规模式 |
MMLU Pro 综合评估 | 77.90常规模式 | 68.45常规模式 | 79.10常规模式 | 75.90常规模式 |
HumanEval 编程与软件工程 | 90.20常规模式 | 84.90常规模式 | -- | 89.00常规模式 |
FrontierMath 数学推理 | 0.30常规模式 | -- | -- | 1.70常规模式 |
MATH 数学推理 | 68.50常规模式 | 60.10常规模式 | 91.80常规模式 | 87.80常规模式 |
SimpleQA 常识问答 | 38.80常规模式 | -- | 44.30常规模式 | 24.90常规模式 |
Aider-Polyglot Agent能力评测 | 18.20常规模式 | -- | 35.60常规模式 | 48.40常规模式 |
GPT-4o(2024-11-20) 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型暂未提供可比较的标准文本价格。
历代版本对比
GPT-4o(2024-11-20) 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
7 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | GPT-4o(2024-11-20)当前 | GPT-4o | GPT-4 |
|---|---|---|---|
MMLU 综合评估 | 85.70常规模式 | 88.70常规模式 | 86.40常规模式 |
MMLU Pro 综合评估 | 77.90常规模式 | 77.90常规模式 | -- |
HumanEval 编程与软件工程 | 90.20常规模式 | 90.00常规模式 | 67.00常规模式 |
FrontierMath 数学推理 | 0.30常规模式 | 0.30常规模式 | -- |
MATH 数学推理 | 68.50常规模式 | 75.90常规模式 | -- |
SimpleQA 常识问答 | 38.80常规模式 | 38.20常规模式 | -- |
Aider-Polyglot Agent能力评测 | 18.20常规模式 | 23.10常规模式 | -- |
单评测历史趋势图
当前查看：MMLU · 综合评估
选择评测
GPT-4o(2024-11-20) 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型暂未提供可比较的标准文本价格。