GPT-3.5 vs GPT-4 评测对比

对比结论

GPT-4 在共同评测平均分中领先

4 项共同评测中领先 4 项，平均分高 23.8 分

GPT-3.5 领先

持平

GPT-4 领先

仅基于所有选中模型共同有成绩的 4 项百分制评测汇总，明细见下方图表。

“最佳可用”会为每项评测选取该模型已收录的按指标方向选出的最佳非并行结果，可能组合成并不存在的虚拟运行配置；请结合模式明细解读。

	GPT-3.5	GPT-4
发布时间	2022-11-30	2023-03-14

按评测基准逐项对比；切换思考模式或工具设置后，下方图表与表格同步更新。

“最佳可用”按每项评测分别选择按指标方向选出的最佳非并行结果，因此这条系列可能由多个推理档拼接而成，并不代表一个可直接复现的单一运行配置。切换模式筛选可查看可复现的同档结果。

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

5 项评测有两款及以上模型的成绩，按领域分组；每格为该模型在当前筛选下的最佳成绩。

评测基准	GPT-3.5	GPT-4	差距

C-Eval Accuracy	GPT-3.554.40常规模式	GPT-468.70常规模式	+14.3
MMLU Accuracy	GPT-3.570.00常规模式	GPT-486.40常规模式	+16.4≠ 模式不同
GSM8K Accuracy	GPT-3.557.10常规模式	GPT-492.00常规模式	+34.9

HumanEval Accuracy	GPT-3.548.10常规模式	GPT-482.00常规模式	+33.9
SWE-bench Accuracy	GPT-3.50.17常规模式｜工具	GPT-412.47常规模式｜工具	+12.3

各模型 API 的官方标价，按输入 / 输出分列；单位为美元 / 百万 tokens。

暂无价格数据

所选模型暂未收录 API 价格信息。

架构、许可与 API 模态等规格对比；「未提供」表示数据库暂无该字段。