%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Baichuan4 Turbo
Baichuan4 Turbo
百川智能が発表した次世代の検索強化型中国語大規模言語モデルで、強化された推論能力と多言語処理の最適化を備え、192Kの長文脈ウィンドウをサポートします。
インテリジェンス(比較的強い)
速度(遅い)
入力サポートモダリティ
はい
推論モデルかどうか
192,000
コンテキストウィンドウ
42,000
最大出力トークン
-
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
- /M tokens
混合価格
クイック簡易比較
Baichuan4-Turbo
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
192.00k tokens
トレーニングデータカットオフ
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、画像
スループット
0
リリース日
2024-05-22
応答速度
0 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
8064
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
9540
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
-
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
79.1
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
90.3
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
89.6
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
88.2
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
91.4
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
85.2
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
86.5
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
おすすめAIモデル
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
入力トークン/百万
￥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google
￥18
入力トークン/百万
￥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
入力トークン/百万
￥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google
￥0.72
入力トークン/百万
￥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai
￥108
入力トークン/百万
￥432
出力トークン/百万
128k
コンテキスト長