GPT-5 评测详情
GPT-5 当前已收录的代表性评测结果包括 Aider-Polyglot（1 / 59，得分 88）、AIME2025（10 / 215，得分 99.60）、Fiction.liveBench（1 / 16，得分 97.20）。本页还提供与 2 个竞品模型及 3 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-5
评测结果
抽象归纳与泛化
共 8 项评测评测名称 / 模式
得分
排名/总数
综合知识考试
共 9 项评测评测名称 / 模式
得分
排名/总数
科学知识与推理
共 7 项评测评测名称 / 模式
得分
排名/总数
算法与竞赛编程
共 7 项评测评测名称 / 模式
得分
排名/总数
数学
共 18 项评测评测名称 / 模式
得分
排名/总数
自主开发与终端任务
共 9 项评测评测名称 / 模式
得分
排名/总数
图像感知与视觉推理
共 11 项评测评测名称 / 模式
得分
排名/总数
客服与业务流程
共 8 项评测评测名称 / 模式
得分
排名/总数
指令与格式遵循
共 4 项评测评测名称 / 模式
得分
排名/总数
能力边界度量
共 2 项评测评测名称 / 模式
得分
排名/总数
竞品对比
GPT-5 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。
12 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-5当前 | Claude Opus 4 | Gemini 2.5-Pro |
|---|---|---|---|
65.67思考水平·高 | 35.67常规模式 | 37.00开启思考 | |
9.86思考水平·高 | 8.61常规模式 | 4.86开启思考 | |
35.20开启思考 ｜ 工具 | 12.30开启思考 | 22.50开启思考 | |
5.70思考水平·高 | -- | 2.60开启思考 | |
87.30开启思考 ｜ 工具 | 79.60常规模式 | 86.40开启思考 | |
72.80思考水平·高 | 72.50常规模式 | 67.20开启思考 | |
1360.00常规模式 ｜ 工具 | -- | 1125.00常规模式 ｜ 工具 | |
11.00开启思考 ｜ 工具 | -- | 19.00开启思考 ｜ 工具 | |
29.00开启思考 ｜ 工具 | -- | 15.20开启思考 ｜ 工具 | |
84.60思考水平·高 | 63.60开启思考 | 80.10开启思考 | |
99.60开启思考 ｜ 工具 | 75.50常规模式 | 88.00开启思考 | |
26.30思考水平·高 ｜ 工具 | 4.50常规模式 | 11.00常规模式 |
其余 22 个 benchmark 仍可在上方图表中查看。
GPT-5 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。 · USD / 1M tokens
若存在上下文阈值，图中标准价仅适用于以下范围：
Gemini 2.5-Pro: 标准价适用于 <= 200000
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5 | OpenAI | $1.25 / 1M tokens | $10 / 1M tokens | — |
Claude Opus 4 | Anthropic | $15 / 1M tokens | $75 / 1M tokens | — |
Gemini 2.5-Pro | Google DeepMind | $1.25 / 1M tokens | $10 / 1M tokens | <= 200000 |
历代版本对比
GPT-5 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。
12 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-5当前 | GPT-4.5 | GPT-4.1 | GPT-4o(2025-03-27) |
|---|---|---|---|---|
65.67思考水平·高 | -- | -- | 8.80常规模式 | |
35.20开启思考 ｜ 工具 | 5.44常规模式 | 5.40思考水平·高 | -- | |
87.30开启思考 ｜ 工具 | 71.40常规模式 | 66.30常规模式 | 66.90常规模式 | |
72.80思考水平·高 | 38.00常规模式 | 54.60常规模式 | -- | |
84.60思考水平·高 | 46.40常规模式 | 40.50常规模式 | 35.80常规模式 | |
99.60开启思考 ｜ 工具 | -- | 36.70常规模式 | 26.70常规模式 | |
26.30思考水平·高 ｜ 工具 | -- | 5.50常规模式 | -- | |
1623.50常规模式 | 1255.30常规模式 | 1417.20常规模式 | 1502.10常规模式 | |
88.00思考水平·高 | 44.90常规模式 | 52.40常规模式 | 45.30常规模式 | |
37.90思考水平·中 ｜ 工具 | -- | 13.60常规模式 ｜ 工具 | -- | |
81.00思考水平·中 | -- | 72.00常规模式 | -- | |
84.20思考水平·高 | 74.40思考水平·高 | -- | -- |
其余 8 个 benchmark 仍可在上方图表中查看。
单评测历史趋势图
当前查看：ARC-AGI-1 · 抽象归纳与泛化
选择评测
GPT-5 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。 · USD / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5 | OpenAI | $1.25 / 1M tokens | $10 / 1M tokens | — |
GPT-4.1 | Microsoft Azure | $2 / 1M tokens | $8 / 1M tokens | — |
GPT-4o(2025-03-27) | OpenAI | $2.5 / 1M tokens | $10 / 1M tokens | — |