GPT 4o (March 2025, Chatgpt 4o Latest)

GPT-4o（这里的'o'代表'omni'）是一款多功能的AI模型，它可以接受文本、音频、图像和视频输入，并生成文本、音频和图像输出。它在处理文本和代码时的表现与GPT-4 Turbo相当，但在非英语语言、视觉理解和音频理解方面有所提升。

智力(中等)

速度(较快)

输入支持模态

是

是否推理模型

128,000

上下文窗口

16,384

最大输出令牌数

知识截止

定价

￥18 /M tokens

输入

￥72 /M tokens

输出

￥54 /M tokens

混合价格

快速简易对比

GPT-4.1

￥2

GPT-4.1 nano

￥0.1

GPT-4.1 mini

￥0.4

基础参数

GPT-4.1的技术参数

参数数量

未公布

上下文长度

128.00k tokens

训练数据截止

开源分类

Proprietary

多模态支持

文本、图像

吞吐量

132

发布日期

2025-03-27

响应速度

182.37,944 tokens/s

基准测试得分

以下是claude-monet在各种标准基准测试中的表现。这些测试评估了模型在不同任务和领域的能力。

智能指数

大语言模型智能水平

5025

大语言模型智能水平

编码指数

AI模型在编码任务上的能力表现的指标

3956

AI模型在编码任务上的能力表现的指标

数学指数

解决数学问题、数学推理或执行与数学相关的任务方面的能力指标

MMLU Pro

海量多任务多模式理解-测试对文本、图像、音频和视频的理解

80.3

海量多任务多模式理解-测试对文本、图像、音频和视频的理解

GPQA

研究生物理问题评估-用钻石科学级别的问题测试高级物理知识

65.5

研究生物理问题评估-用钻石科学级别的问题测试高级物理知识

HLE

模型在 Hugging Face Open LLM Leaderboard 上的综合平均得分

LiveCodeBench

特定的、专注于评估大型语言模型在真实世界代码编写和解决编程竞赛问题能力评分

42.5

特定的、专注于评估大型语言模型在真实世界代码编写和解决编程竞赛问题能力评分

SciCode

模型在科学计算或特定科学领域的代码生成方面的能力

36.6

模型在科学计算或特定科学领域的代码生成方面的能力

HumanEval

AI模型在 HumanEval 这个特定的基准测试集上取得的成绩

Math 500 评分

前500道更大型、更知名的数学基准测试评分

89.3

前500道更大型、更知名的数学基准测试评分

AIME 评分

一个衡量AI模型在解决高难度数学竞赛问题（特指AIME级别）方面能力的指标

32.7

一个衡量AI模型在解决高难度数学竞赛问题（特指AIME级别）方面能力的指标

精选推荐AI模型

Gemini 2.0 Flash Lite (Preview)

Qwen2.5 Coder Instruct 32B

Gemini 2.0 Flash (experimental)

Gemini 2.0 Pro Experimental (Feb '25)

Llama 3.2 Instruct 11B (Vision)