BenchLeader

GPT-4

质量第 243 / 339 名
42.3Index
低于中位数
较中位数 −7.9
价格第 252 / 255 名
$37.50每百万 token
最贵的四分之一
中位数的 44 倍
速度第 86 / 216 名
97token/秒
高于中位数
中位数的 1.2 倍
性价比第 253 / 255 名
1.1分/$
后四分之一
中位数的 0.0 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index42
  2. 推理33
  3. 编程44
  4. 数学38
  5. 指令遵循37
  6. 人类偏好44

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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-5.62026年7月9日––
GPT-5.5xhigh2026年4月23日64.1#31
GPT-5.4xhigh2026年3月5日63.1#42
GPT-5.2xhigh2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5medium2025年8月7日59.0#113
GPT-4.12025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023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
364452

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 Diamond35.7%#271Epoch AI Benchmarking Hub
Arena Hard Prompts1306#266Arena (LMArena)
GPQA Diamond (AA)不计入 Index35.0%#502Artificial Analysis
Arena Expert不计入 Index1265#275Arena (LMArena)
HellaSwag不计入 Index95.3%#1Epoch AI Benchmarking Hub
WinoGrande不计入 Index87.5%#3Epoch AI Benchmarking Hub

编程

基准测试默认来源趋势
Arena Coding1330#271Arena (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#288Artificial Analysis
METR Time Horizons不计入 Index36.1%#33METR

数学

基准测试默认来源趋势
OTIS Mock AIME0.6%#284Epoch AI Benchmarking Hub
Arena Maths1285#249Arena (LMArena)
GSM8K不计入 Index92.0%#4Epoch AI Benchmarking Hub

知识

基准测试默认来源趋势
MMLU不计入 Index86.4%#5Epoch AI Benchmarking Hub

指令遵循

基准测试默认来源趋势
IFBench33.2%#336Artificial Analysis
Arena Instruction Following不计入 Index1285#262Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1288#276Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index750#117EQ-Bench
Arena Creative Writing不计入 Index1255#272Arena (LMArena)
Arena Multi-turn不计入 Index1274#275Arena (LMArena)
Arena Longer Queries不计入 Index1280#284Arena (LMArena)

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index121.8#163Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index6.7#520Artificial Analysis
AA Progress Index v1不计入 Index140.1#573Artificial 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
Azure96 tok/s0.70 s$30.00$60.008k–

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

OpenAI 的更多模型

本月新上线

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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。