GPT-4
よりコスパが高いモデル: Gemma 4 E4B $0.040/MでIndex 43.2(938分の1の価格)。
より安価でスコアの高いランク付けモデルが197つあります:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)ほか194つ。
2026年11月16日時点で、GPT-4(OpenAI)のBenchLeader Indexは42.3です(ランク付け対象は608構成)。最も強いのはコーディング(44)、最も弱いのは推論(33)です。API料金は入力100万トークンあたり$30.00、出力100万トークンあたり$60.00(3:1のブレンドで$37.50)で、2026年11月16日時点の定価です。出力速度は約97トークン/秒です(OpenRouter)。2023年3月14日にリリースされました。
要点(2026年11月16日時点)
- GPT-4のAPI料金は入力100万トークンあたり$30.00、出力100万トークンあたり$60.00(3:1のブレンドで$37.50)です(定価、2026年11月16日)。
- GPT-4の出力速度は約97トークン/秒です(OpenRouter、2026年11月16日)。
- GPT-4は2023年3月14日にリリースされました(OpenAI)。
詳しく見ると:GPT-4はOpenAIのプロプライエタリなモデルです(2023年3月14日リリース)。最もスコアの高い構成は、BenchLeader Indexで42.3 ±6.1を記録し、608構成中496位で下位半分に入ります。重要なのはこの「±」です。ほかに220構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別ではコーディングが最も高く(44)、推論が最も低くなっています(33)。ブレンド価格は100万トークンあたり$37.50で、ランク付けされたモデルの中で最も高価な部類です。出力速度は97トークン/秒、最初のトークンまで0.6秒で、多くのモデルより高速です。すでにgpt-4-0125に置き換えられており、いま比較すべきはそちらのバージョンです。最終測定日:2026年11月11日。
- ブレンド価格
- $37.50/M
- 入力$30.00・出力$60.00
- 出典:models.dev
- 出力速度
- 97 tok/s
- OpenRouterのトラフィック(7日間の中央値)。Artificial Analysisによる測定はまだありません
- 回答開始
- 0.62 s
- コンテキスト
- 8k
- 出典:models.dev
- タスクあたりコスト
- –
- タスクあたりトークン数
- –
- リリース日
- 2023年3月14日
- 総合Index42
- 推論33
- コーディング44
- 数学38
- 指示追従37
- 人間の評価44
バージョン
OpenAIはこの名前で13つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。
| モデル | リリース日 | Index | 順位 |
|---|---|---|---|
| GPT-5.6 | 2026年7月9日 | – | – |
| GPT-5.5xhigh | 2026年4月23日 | 64.1 | #31 |
| GPT-5.4xhigh | 2026年3月5日 | 63.1 | #42 |
| GPT-5.2xhigh | 2025年12月11日 | 59.9 | #95 |
| GPT-5.1high | 2025年11月12日 | 57.5 | #151 |
| GPT-5medium | 2025年8月7日 | 59.0 | #113 |
| GPT-4.1 | 2025年4月14日 | 48.7 | #377 |
| GPT-4.5 | 2025年2月27日 | 50.5 | #335 |
| GPT 4 0125 | 2024年1月25日 | – | – |
| GPT-4 1106 | 2023年11月6日 | – | – |
| GPT 4 0613 | 2023年6月13日 | 39.5 | #541 |
| GPT-4このページ | 2023年3月14日 | 42.3 | #496 |
| GPT-3.5 | – | – | – |
Indexの推移
2026年9月8日〜2026年11月16日Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。
ベンチマーク結果
LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。
推論
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| GPQA Diamond | 35.7%#271 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1306#266 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外 | 35.0%#502 | Artificial Analysis | |
| Arena ExpertIndex対象外 | 1265#275 | Arena (LMArena) | |
| HellaSwagIndex対象外 | 95.3%#1 | Epoch AI Benchmarking Hub | |
| WinoGrandeIndex対象外 | 87.5%#3 | Epoch AI Benchmarking Hub |
コーディング
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Coding | 1330#271 | Arena (LMArena) |
エージェント・ツール
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| GDPval-AA v2.1Index対象外 | -13#288 | Artificial Analysis | |
| METR Time HorizonsIndex対象外 | 36.1%#33 | METR |
数学
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| OTIS Mock AIME | 0.6%#284 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1285#249 | Arena (LMArena) | |
| GSM8KIndex対象外 | 92.0%#4 | Epoch AI Benchmarking Hub |
知識
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| MMLUIndex対象外 | 86.4%#5 | Epoch AI Benchmarking Hub |
指示追従
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| IFBench | 33.2%#336 | Artificial Analysis | |
| Arena Instruction FollowingIndex対象外 | 1285#262 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1288#276 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外 | 750#117 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1255#272 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1274#275 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1280#284 | Arena (LMArena) |
総合
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Epoch Capabilities IndexIndex対象外 | 121.8#163 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 6.7#520 | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 140.1#573 | Artificial Analysis |
API料金:提供プロバイダー別
OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。
| プロバイダー | 速度 | 最初のトークン | 入力 $/M | 出力 $/M | コンテキスト | 量子化 |
|---|---|---|---|---|---|---|
| Azure | 96 tok/s | 0.70 s | $30.00 | $60.00 | 8k | – |
タスクあたりのコスト
最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3がプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。
| ワークロード | 入力/出力トークン | コスト | キャッシュあり | 時間 |
|---|---|---|---|---|
| チャットの返答 | 400 / 300 | $0.030 | – | 3.7 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.396 | – | 6.8 s |
| コード編集 | 6,000 / 1,500 | $0.270 | – | 16.1 s |
| エージェント型コーディングセッション | 60,000 / 4,000 | $2.04 | – | 41.9 s |
| 構造化データの抽出 | 2,000 / 200 | $0.072 | – | 2.7 s |
関連ページ
埋め込み・引用
このページを引用する
ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:
BenchLeader. (2026, November 16). GPT-4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4
BibTeX:
@misc{benchleader_gpt_4_20261116,
author = {{BenchLeader}},
title = {{GPT-4 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-4}},
note = {Data as of 2026-11-16}
}よくある質問
- GPT-4のベンチマークスコアは?
- 2026年11月16日時点で、GPT-4のBenchLeader Indexは42.3 ±6.1です。最も強いのはコーディング(44)、最も弱いのは推論(33)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
- GPT-4の順位は?
- 2026年11月16日時点で、GPT-4はランク付けされた608構成中496位です。ほかに220構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
- GPT-4の料金は100万トークンあたりいくらですか?
- 2026年11月16日時点で、GPT-4の料金は入力100万トークンあたり$30.00、出力100万トークンあたり$60.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$37.50です。
- GPT-4はいつリリースされましたか?
- OpenAIが2023年3月14日にGPT-4をリリースしました。
2026年11月16日時点のデータです。 ほかのモデルと比較
引用表記:BenchLeader「GPT-4:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-4