GPT-4o
よりコスパが高いモデル: Gemma 4 E4B $0.040/MでIndex 43.2(109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160つあります:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00)ほか157つ。
2026年11月16日時点で、GPT-4o(OpenAI)のBenchLeader Indexは42.8です(ランク付け対象は608構成)。最も強いのは人間の評価(62)、最も弱いのはエージェント・ツール(34)です。API料金は入力100万トークンあたり$2.50、出力100万トークンあたり$10.00(3:1のブレンドで$4.38)で、2026年11月16日時点の定価です。出力速度は約110トークン/秒です(Artificial Analysis)。2024年5月13日にリリースされました。
要点(2026年11月16日時点)
- GPT-4oのAPI料金は入力100万トークンあたり$2.50、出力100万トークンあたり$10.00(3:1のブレンドで$4.38)です(定価、2026年11月16日)。
- GPT-4oの出力速度は約110トークン/秒です(Artificial Analysis、2026年11月16日)。
- GPT-4oは2024年5月13日にリリースされました(OpenAI)。
詳しく見ると:GPT-4oはOpenAIのプロプライエタリなモデルです(2024年5月13日リリース)。最もスコアの高い構成は、BenchLeader Indexで42.8 ±5.2を記録し、608構成中487位で下位半分に入ります。重要なのはこの「±」です。ほかに213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。カテゴリ別では人間の評価が最も高く(62)、エージェント・ツールが最も低くなっています(34)。ブレンド価格は100万トークンあたり$4.38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114トークン/秒、回答開始まで2.2秒で、多くのモデルより高速です。2通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。
- ブレンド価格
- $4.38/M
- 入力$2.50・出力$10.00
- 出典:Artificial Analysis
- 出力速度
- 114 tok/s
- Artificial Analysisによる測定
- 回答開始
- 2.16 s
- 最初のトークン 0.61 s
- コンテキスト
- 128k
- 出典:models.dev
- 回答完了まで
- 13 s
- 最終測定2026年11月13日
- 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
- 2024年5月13日
- 総合Index43
- 推論34
- コーディング34
- エージェント・ツール34
- 数学41
- 知識35
- 指示追従41
- 人間の評価62
- マルチモーダル46
- 長文コンテキスト52
この順位を埋め込む
ほかのバッジスタイル[](https://www.benchleader.com/models/gpt-4o)README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。
推論エフォート別の構成
同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。
Indexの推移
2026年9月8日〜2026年11月16日- 標準
- high
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 | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| GPQA Diamondエフォート未記載 | – | 49.2%#229 | Epoch AI Benchmarking Hub | |
| Humanity's Last Examエフォート未記載 | – | 2.7%#48 | Scale AI / CAIS | |
| SimpleBenchエフォート未記載 | – | 17.8%#109 | SimpleBench | |
| Arena Hard Promptsエフォート未記載 | – | 1455#111 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外エフォート未記載 | – | 65.5%#349 | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外エフォート未記載 | – | 4.0%#578 | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外 | 53.8%#115 | – | Vals AI | |
| GPQA Diamond (HELM)Index対象外エフォート未記載 | – | 52.0%#35 | HELM Capabilities | |
| ARC-AGI-1エフォート未記載 | – | 4.5%#257 | ARC Prize | |
| ARC-AGI-2エフォート未記載 | – | 0.0%#251 | ARC Prize | |
| CritPtIndex対象外エフォート未記載 | – | 0.0%#337 | Artificial Analysis | |
| Arena ExpertIndex対象外エフォート未記載 | – | 1430#144 | Arena (LMArena) | |
| Chess PuzzlesIndex対象外エフォート未記載 | – | 9.0%#134 | Epoch AI Benchmarking Hub | |
| LMCAIndex対象外エフォート未記載 | – | 16.6%#177 | Epoch AI Benchmarking Hub | |
| DTBenchIndex対象外エフォート未記載 | – | 64.5%#178 | Epoch AI Benchmarking Hub | |
| ForecastBenchIndex対象外エフォート未記載 | – | 61.0%#70 | ForecastBench |
コーディング
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| SWE-bench Verified (Epoch)エフォート未記載 | – | 31.0%#33 | Epoch AI Benchmarking Hub | |
| WeirdMLエフォート未記載 | – | 25.1%#139 | WeirdML | |
| GSO-Benchエフォート未記載 | – | 0.0%#35 | GSO-Bench | |
| Arena Codingエフォート未記載 | – | 1467#127 | Arena (LMArena) | |
| LiveCodeBench | 43.4%#121 | – | Vals AI | |
| Aider Polyglotエフォート未記載 | – | 45.3%#38 | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)エフォート未記載 | – | 21.6%#42 | SWE-bench | |
| SWE-bench Verified (any scaffold)Index対象外エフォート未記載 | – | 38.8%#48 | SWE-bench | |
| SWE-Bench Pro (private)Index対象外エフォート未記載 | – | 3.6%#14 | Scale AI SEAL | |
| CadEvalIndex対象外エフォート未記載 | – | 26.0%#12 | Epoch AI Benchmarking Hub | |
| Design Arena WebsiteIndex対象外エフォート未記載 | – | 823#189 | Design Arena | |
| LiveCodeBench (AA)Index対象外エフォート未記載 | – | 42.5%#158 | Artificial Analysis |
エージェント・ツール
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| GDPval | 9.9%#11 | OpenAI | |
| Cybench | 12.5%#14 | Cybench | |
| Terminal-Bench Hard | 8.3%#240 | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | 28.9%#270 | Artificial Analysis | |
| GDPval-AA v2.1Index対象外 | -9#287 | Artificial Analysis | |
| Arena SearchIndex対象外 | 1084#41 | Arena (LMArena) | |
| BALROGIndex対象外 | 32.3%#16 | BALROG | |
| TheAgentCompanyIndex対象外 | 8.6%#8 | TheAgentCompany | |
| METR Time HorizonsIndex対象外 | 40.8%#31 | METR | |
| BrowseCompIndex対象外 | 0.7%#24 | OpenAI |
数学
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3エフォート未記載 | – | 0.3%#122 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIMEエフォート未記載 | – | 6.4%#255 | Epoch AI Benchmarking Hub | |
| MATH Level 5エフォート未記載 | – | 53.3%#52 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 14.0%#84 | – | Vals AI | |
| MGSM | 90.7%#37 | – | Vals AI | |
| Omni-MATH (HELM)エフォート未記載 | – | 29.3%#46 | HELM Capabilities | |
| MATH 500Index対象外 | 75.2%#44 | – | Vals AI | |
| Arena Mathsエフォート未記載 | – | 1403#151 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外エフォート未記載 | – | 25.7%#187 | Artificial Analysis |
知識
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| SimpleQA Verifiedエフォート未記載 | – | 26.0%#79 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 74.1%#111 | – | Vals AI | |
| LegalBench | 82.2%#73 | – | Vals AI | |
| CorpFin | 45.9%#112 | – | Vals AI | |
| TaxEval | 74.5%#35 | – | Vals AI | |
| MedQA | 88.2%#55 | – | Vals AI | |
| MultiNRCエフォート未記載 | – | 12.4%#41 | Scale AI SEAL | |
| MMLU-Pro (HELM)Index対象外エフォート未記載 | – | 71.3%#38 | HELM Capabilities | |
| CaseLaw v2Index対象外 | 59.7%#25 | – | Vals AI | |
| MMLUIndex対象外エフォート未記載 | – | 88.1%#1 | Epoch AI Benchmarking Hub |
指示追従
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| IFBench | 36.0%#313 | Artificial Analysis | |
| TutorBench | 36.1%#27 | Scale AI SEAL | |
| IFEval (HELM) | 81.7%#39 | HELM Capabilities | |
| WildBench (HELM) | 82.8%#20 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外 | 1427#104 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1443#93 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外 | 1501#58 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1421#86 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1470#64 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1440#113 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 81.8%#13 | Lech Mazur |
マルチモーダル
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Visionエフォート未記載 | – | 1243#71 | Arena (LMArena) | |
| MMMU-Proエフォート未記載 | – | 56.3%#238 | Artificial Analysis | |
| VISTAエフォート未記載 | – | 38.0%#42 | Scale AI SEAL | |
| MMMU-Pro (official)Index対象外エフォート未記載 | – | 51.9%#1 | MMMU | |
| MMMU-Pro (Vals)Index対象外 | 64.0%#77 | – | Vals AI | |
| MortgageTaxIndex対象外 | 61.0%#62 | – | Vals AI | |
| GeoBenchIndex対象外エフォート未記載 | – | 71.0%#24 | GeoBench | |
| VPCTIndex対象外エフォート未記載 | – | 40.0%#16 | Epoch AI Benchmarking Hub | |
| Video-MMEIndex対象外エフォート未記載 | – | 71.9%#6 | Video-MME | |
| ScienceQAIndex対象外エフォート未記載 | – | 88.5%#2 | Epoch AI Benchmarking Hub |
長文コンテキスト
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| AA-LCR v1.1 | 56.0%#315 | Artificial Analysis |
総合
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Epoch Capabilities IndexIndex対象外 | 128.8#147 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 9.0#428 | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 181.3#475 | Artificial Analysis | |
| HELM Capabilities meanIndex対象外 | 63.4%#38 | HELM Capabilities |
安全性・誠実さ
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| FORTRESSIndex対象外 | 47.2%#66 | Scale AI SEAL | |
| MASKIndex対象外 | 60.1%#38 | Scale AI SEAL | |
| PropensityBenchIndex対象外 | 46.1%#7 | Scale AI SEAL |
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 |
|---|---|---|---|---|---|---|
| OpenAI | 108 tok/s | 0.53 s | $2.50 | $10.00 | 128k | – |
| Azure | 92 tok/s | 0.94 s | $2.50 | $10.00 | 128k | – |
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100万トークンあたり$1.25の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 | $0.0040 | $0.0036 | 4.8 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.036 | $0.025 | 7.4 s |
| コード編集 | 6,000 / 1,500 | $0.030 | $0.024 | 15.3 s |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.190 | $0.134 | 37.3 s |
| 構造化データの抽出 | 2,000 / 200 | $0.0070 | $0.0051 | 3.9 s |
関連ページ
埋め込み・引用
GPT-4oの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。
[](https://www.benchleader.com/models/gpt-4o)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-4o on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4o
BibTeX:
@misc{benchleader_gpt_4o_20261116,
author = {{BenchLeader}},
title = {{GPT-4o on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-4o}},
note = {Data as of 2026-11-16}
}よくある質問
- GPT-4oのベンチマークスコアは?
- 2026年11月16日時点で、GPT-4oのBenchLeader Indexは42.8 ±5.2です。最も強いのは人間の評価(62)、最も弱いのはエージェント・ツール(34)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-4oの順位は?
- 2026年11月16日時点で、GPT-4oはランク付けされた608構成中487位です。ほかに213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-4o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-4oの料金は入力100万トークンあたり$2.50、出力100万トークンあたり$10.00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$4.38です。
- GPT-4oはいつリリースされましたか?
- OpenAIが2024年5月13日にGPT-4oをリリースしました。BenchLeaderには2通りの推論エフォート設定での結果があります。
2026年11月16日時点のデータです。 これらの構成を比較
引用表記:BenchLeader「GPT-4o: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-4o