BenchLeader

GPT-4o

推論エフォート
品質339中235位
42.8Index
中央値より下
中央値比 −7.4
価格255中214位
$4.38100万トークンあたり
高い方から4分の1
中央値の5.1倍
速度216中63位
114トークン/秒
中央値より上
中央値の1.4倍
コスパ255中221位
9.8ポイント/$
下位4分の1
中央値の0.2倍

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
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index43
  2. 推論34
  3. コーディング34
  4. エージェント・ツール34
  5. 数学41
  6. 知識35
  7. 指示追従41
  8. 人間の評価62
  9. マルチモーダル46
  10. 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
[![GPT-4o on BenchLeader: 総合 229位](https://www.benchleader.com/badge/gpt-4o.svg?style=compact)](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。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

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。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
high41.6#51099 tok/s2.70 s$0.0040コーディング 29 · 知識 46 · 数学 40
未記載最良42.8#487114 tok/s2.16 s$0.0040エージェント・ツール 34 · コーディング 34 · 人間の評価 62 · 指示追従 41 · 知識 35 · 長文コンテキスト 52 · 数学 41 · マルチモーダル 46 · 推論 34

Indexの推移

2026年9月8日〜2026年11月16日
354351
  • 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%#229Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載–2.7%#48Scale AI / CAIS
SimpleBenchエフォート未記載–17.8%#109SimpleBench
Arena Hard Promptsエフォート未記載–1455#111Arena (LMArena)
GPQA Diamond (AA)Index対象外エフォート未記載–65.5%#349Artificial Analysis
Humanity's Last Exam (AA)Index対象外エフォート未記載–4.0%#578Artificial 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%#35HELM Capabilities
ARC-AGI-1エフォート未記載–4.5%#257ARC Prize
ARC-AGI-2エフォート未記載–0.0%#251ARC Prize
CritPtIndex対象外エフォート未記載–0.0%#337Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–1430#144Arena (LMArena)
Chess PuzzlesIndex対象外エフォート未記載–9.0%#134Epoch AI Benchmarking Hub
LMCAIndex対象外エフォート未記載–16.6%#177Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載–64.5%#178Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–61.0%#70ForecastBench

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%#33Epoch AI Benchmarking Hub
WeirdMLエフォート未記載–25.1%#139WeirdML
GSO-Benchエフォート未記載–0.0%#35GSO-Bench
Arena Codingエフォート未記載–1467#127Arena (LMArena)
LiveCodeBench43.4%#121–Vals AI
Aider Polyglotエフォート未記載–45.3%#38Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載–21.6%#42SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載–38.8%#48SWE-bench
SWE-Bench Pro (private)Index対象外エフォート未記載–3.6%#14Scale AI SEAL
CadEvalIndex対象外エフォート未記載–26.0%#12Epoch AI Benchmarking Hub
Design Arena WebsiteIndex対象外エフォート未記載–823#189Design Arena
LiveCodeBench (AA)Index対象外エフォート未記載–42.5%#158Artificial Analysis

エージェント・ツール

ベンチマーク標準出典推移
GDPval9.9%#11OpenAI
Cybench12.5%#14Cybench
Terminal-Bench Hard8.3%#240Artificial Analysis
τ²-Bench Telecom (AA)Index対象外28.9%#270Artificial Analysis
GDPval-AA v2.1Index対象外-9#287Artificial Analysis
Arena SearchIndex対象外1084#41Arena (LMArena)
BALROGIndex対象外32.3%#16BALROG
TheAgentCompanyIndex対象外8.6%#8TheAgentCompany
METR Time HorizonsIndex対象外40.8%#31METR
BrowseCompIndex対象外0.7%#24OpenAI

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%#122Epoch AI Benchmarking Hub
OTIS Mock AIMEエフォート未記載–6.4%#255Epoch AI Benchmarking Hub
MATH Level 5エフォート未記載–53.3%#52Epoch AI Benchmarking Hub
AIME (Vals)14.0%#84–Vals AI
MGSM90.7%#37–Vals AI
Omni-MATH (HELM)エフォート未記載–29.3%#46HELM Capabilities
MATH 500Index対象外75.2%#44–Vals AI
Arena Mathsエフォート未記載–1403#151Arena (LMArena)
AIME 2025 (AA)Index対象外エフォート未記載–25.7%#187Artificial 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%#79Epoch AI Benchmarking Hub
MMLU-Pro74.1%#111–Vals AI
LegalBench82.2%#73–Vals AI
CorpFin45.9%#112–Vals AI
TaxEval74.5%#35–Vals AI
MedQA88.2%#55–Vals AI
MultiNRCエフォート未記載–12.4%#41Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載–71.3%#38HELM 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%#1Epoch AI Benchmarking Hub

指示追従

人間の評価

ベンチマーク標準出典推移
Arena Text1443#93Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外1501#58EQ-Bench
Arena Creative WritingIndex対象外1421#86Arena (LMArena)
Arena Multi-turnIndex対象外1470#64Arena (LMArena)
Arena Longer QueriesIndex対象外1440#113Arena (LMArena)
Lech Mazur Creative WritingIndex対象外81.8%#13Lech 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#71Arena (LMArena)
MMMU-Proエフォート未記載–56.3%#238Artificial Analysis
VISTAエフォート未記載–38.0%#42Scale AI SEAL
MMMU-Pro (official)Index対象外エフォート未記載–51.9%#1MMMU
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%#24GeoBench
VPCTIndex対象外エフォート未記載–40.0%#16Epoch AI Benchmarking Hub
Video-MMEIndex対象外エフォート未記載–71.9%#6Video-MME
ScienceQAIndex対象外エフォート未記載–88.5%#2Epoch 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 v1.156.0%#315Artificial Analysis

総合

ベンチマーク標準出典推移
Epoch Capabilities IndexIndex対象外128.8#147Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外9.0#428Artificial Analysis
AA Progress Index v1Index対象外181.3#475Artificial Analysis
HELM Capabilities meanIndex対象外63.4%#38HELM 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%#66Scale AI SEAL
MASKIndex対象外60.1%#38Scale AI SEAL
PropensityBenchIndex対象外46.1%#7Scale 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
OpenAI108 tok/s0.53 s$2.50$10.00128k–
Azure92 tok/s0.94 s$2.50$10.00128k–

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$0.00364.8 s
30ページのレポートを要約12,000 / 600$0.036$0.0257.4 s
コード編集6,000 / 1,500$0.030$0.02415.3 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$0.13437.3 s
構造化データの抽出2,000 / 200$0.0070$0.00513.9 s

OpenAIのほかのモデル

今月の新着

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。

[![GPT-4o on BenchLeader: 総合 229位](https://www.benchleader.com/badge/gpt-4o.svg)](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}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

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