GPT-4 Turbo
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 375 分之一。
有 196 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)、GPT-6.1 Sol (66.6, $4.00),另有 193 个。
截至 2026年11月16日,GPT-4 Turbo(OpenAI)在 BenchLeader Index 上得分 41.1(共 608 个已排名配置)。表现最好的是人类偏好(48),最弱的是推理(35)。API 价格为输入每百万 token $10.00、输出每百万 token $30.00(按 3:1 混合为 $15.00),为 2026年11月16日的标价。输出速度约为 120 token/秒(Artificial Analysis)。发布于 2024年4月9日。
要点(截至 2026年11月16日)
- GPT-4 Turbo 的 API 价格为输入每百万 token $10.00、输出每百万 token $30.00(按 3:1 混合为 $15.00)(标价,2026年11月16日)。
- GPT-4 Turbo 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-4 Turbo 于 2024年4月9日发布(OpenAI)。
详细说明:GPT-4 Turbo 是 OpenAI 的闭源模型,发布于 2024年4月9日。其最佳配置在 BenchLeader Index 上得分 41.1 ±5.1,在 608 个配置中排第 517 名,处于下半区。关键在于这个“±”:另有 186 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,人类偏好得分最高(48),推理最低(35)。按混合价格计,每百万 token $15.00,属于已排名模型中最贵的一档。输出速度为 115 token/秒,首次回答需 1.3 秒,比大多数模型快。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $15.00/M
- 输入 $10.00 · 输出 $30.00
- 来源:Artificial Analysis
- 输出速度
- 115 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 1.33 s
- 首 token 1.33 s
- 上下文
- 128k
- 来源:models.dev
- 完整回答
- 15 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年4月9日
- 综合 Index41
- 推理35
- 编程37
- 数学36
- 人类偏好48
- 多模态37
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-4-turbo)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
OpenAI 以这个名称发布过 4 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-4 Turbo本页 | 2024年4月9日 | 41.1 | #517 |
| GPT 3.5 Turbo 0125 | 2024年1月25日 | 34.9 | #589 |
| GPT 3.5 Turbo 1106 | 2023年11月6日 | 38.4 | #561 |
| GPT-3.5-turbohigh | 2023年9月18日 | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
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 | 46.6%#244 | Epoch AI Benchmarking Hub | |
| SimpleBench | 25.1%#96 | SimpleBench | |
| Arena Hard Prompts | 1316#258 | Arena (LMArena) | |
| Humanity's Last Exam (AA)不计入 Index | 3.1%#626 | Artificial Analysis | |
| Arena Expert不计入 Index | 1297#252 | Arena (LMArena) | |
| LMCA不计入 Index | 9.8%#188 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | 61.6%#187 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | 62.9%#50 | ForecastBench |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 18.0%#147 | WeirdML | |
| Arena Coding | 1347#257 | Arena (LMArena) | |
| LiveCodeBench (AA)不计入 Index | 29.1%#206 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| METR Time Horizons不计入 Index | 36.7%#32 | METR |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FrontierMath Tiers 1–3 | 0.7%#120 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 6.7%#253 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 46.7%#57 | Epoch AI Benchmarking Hub | |
| Arena Maths | 1303#231 | Arena (LMArena) |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LegalBench | 80.5%#85 | – | Vals AI | |
| MedQA | 82.0%#67 | – | Vals AI | |
| MMLU不计入 Index推理强度未说明 | – | 81.3%#17 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Instruction Following不计入 Index | 1303#243 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1325#238 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1323#200 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1313#243 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1318#252 | Arena (LMArena) |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1090#129 | Arena (LMArena) |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 125.8#156 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 7.0#507 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 160.4#529 | Artificial Analysis |
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 | $0.013 | – | 3.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.138 | – | 6.5 s |
| 代码编辑 | 6,000 / 1,500 | $0.105 | – | 14.4 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.720 | – | 36.1 s |
| 结构化信息提取 | 2,000 / 200 | $0.026 | – | 3.1 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-4 Turbo 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gpt-4-turbo)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 Turbo on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4-turbo
BibTeX:
@misc{benchleader_gpt_4_turbo_20261116,
author = {{BenchLeader}},
title = {{GPT-4 Turbo on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-4-turbo}},
note = {Data as of 2026-11-16}
}常见问题
- GPT-4 Turbo 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-4 Turbo 的 BenchLeader Index 为 41.1 ±5.1。最强的是人类偏好(48),最弱的是推理(35)。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 Turbo 排名第几?
- 截至 2026年11月16日,GPT-4 Turbo 在 608 个已排名配置中排第 517 名。另有 186 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 Turbo 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-4 Turbo 的价格为输入每百万 token $10.00、输出每百万 token $30.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $15.00。
- GPT-4 Turbo 是什么时候发布的?
- OpenAI 于 2024年4月9日发布了 GPT-4 Turbo。BenchLeader 收录了它在 2 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GPT-4 Turbo: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-turbo。