O

O1

研究用のプレビューモデルは、数学と論理推論能力に特化しており、段階的な推論、数学問題の解決、コード生成などのタスクにおける性能向上を示しています。このモデルは形式的な推論においてより強い能力を発揮し、同時に高い汎用能力も維持しています。
インテリジェンス(比較的強い)
速度(中程度)
入力サポートモダリティ
いいえ
推論モデルかどうか
200,000
コンテキストウィンドウ
100,000
最大出力トークン
2024-01-01
知識カットオフ
価格設定
¥108 /M tokens
入力
¥432 /M tokens
出力
¥189 /M tokens
混合価格
クイック簡易比較
GPT-4.1
¥2
GPT-4.1 mini
¥0.4
GPT-4.1 nano
¥0.1
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
未発表
コンテキスト長
200.00k tokens
トレーニングデータカットオフ
2024-01-01
オープンソースカテゴリ
Proprietary
マルチモーダルサポート
テキストのみ
スループット
66
リリース日
2024-12-05
応答速度
129.26,375 tokens/s
ベンチマークスコア
以下はclaude-monetの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
6189
大規模言語モデルインテリジェンスレベル
コーディング指数
5185
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
84.1
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
74.7
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
7.7
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
67.9
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
35.8
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
97.4
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
97
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
72.3
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase