GPT-4
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 938 分之一。
有 197 个更便宜的已排名模型得分更高:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00),另有 194 个。
截至 2026年11月16日,GPT-4(OpenAI)在 BenchLeader Index 上得分 42.3(共 608 个已排名配置)。表现最好的是编程(44),最弱的是推理(33)。API 价格为输入每百万 token $30.00、输出每百万 token $60.00(按 3:1 混合为 $37.50),为 2026年11月16日的标价。输出速度约为 97 token/秒(OpenRouter)。发布于 2023年3月14日。
要点(截至 2026年11月16日)
- GPT-4 的 API 价格为输入每百万 token $30.00、输出每百万 token $60.00(按 3:1 混合为 $37.50)(标价,2026年11月16日)。
- GPT-4 的输出速度约为 97 token/秒(OpenRouter,2026年11月16日)。
- GPT-4 于 2023年3月14日发布(OpenAI)。
详细说明:GPT-4 是 OpenAI 的闭源模型,发布于 2023年3月14日。其最佳配置在 BenchLeader Index 上得分 42.3 ±6.1,在 608 个配置中排第 496 名,处于下半区。关键在于这个“±”:另有 220 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,编程得分最高(44),推理最低(33)。按混合价格计,每百万 token $37.50,属于已排名模型中最贵的一档。输出速度为 97 token/秒,首 token 延迟 0.6 秒,比大多数模型快。它已被 gpt-4-0125 取代,如今应与后者进行比较。最近一次测量:2026年11月11日。
- 混合价格
- $37.50/M
- 输入 $30.00 · 输出 $60.00
- 来源:models.dev
- 输出速度
- 97 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 0.62 s
- 上下文
- 8k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2023年3月14日
- 综合 Index42
- 推理33
- 编程44
- 数学38
- 指令遵循37
- 人类偏好44
版本
OpenAI 以这个名称发布过 13 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| 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本页 | 2023年3月14日 | 42.3 | #496 |
| GPT-3.5 | – | – | – |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 35.7%#271 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1306#266 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 35.0%#502 | Artificial Analysis | |
| Arena Expert不计入 Index | 1265#275 | Arena (LMArena) | |
| HellaSwag不计入 Index | 95.3%#1 | Epoch AI Benchmarking Hub | |
| WinoGrande不计入 Index | 87.5%#3 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1330#271 | Arena (LMArena) |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GDPval-AA v2.1不计入 Index | -13#288 | Artificial Analysis | |
| METR Time Horizons不计入 Index | 36.1%#33 | METR |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 0.6%#284 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1285#249 | Arena (LMArena) | |
| GSM8K不计入 Index | 92.0%#4 | Epoch AI Benchmarking Hub |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU不计入 Index | 86.4%#5 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 33.2%#336 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1285#262 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1288#276 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 750#117 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1255#272 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1274#275 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1280#284 | Arena (LMArena) |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 121.8#163 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 6.7#520 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 140.1#573 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Azure | 96 tok/s | 0.70 s | $30.00 | $60.00 | 8k | – |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.030 | – | 3.7 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.396 | – | 6.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.270 | – | 16.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $2.04 | – | 41.9 s |
| 结构化信息提取 | 2,000 / 200 | $0.072 | – | 2.7 s |
另请参阅
嵌入或引用
引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
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}
}常见问题
- GPT-4 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-4 的 BenchLeader Index 为 42.3 ±6.1。最强的是编程(44),最弱的是推理(33)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GPT-4 排名第几?
- 截至 2026年11月16日,GPT-4 在 608 个已排名配置中排第 496 名。另有 220 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GPT-4 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-4 的价格为输入每百万 token $30.00、输出每百万 token $60.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $37.50。
- GPT-4 是什么时候发布的?
- OpenAI 于 2023年3月14日发布了 GPT-4。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《GPT-4:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-4。