BenchLeader

GPT-4 Turbo

推理强度
质量第 259 / 339 名
41.1Index
后四分之一
较中位数 −9.1
价格第 242 / 255 名
$15.00每百万 token
最贵的四分之一
中位数的 18 倍
速度第 61 / 216 名
115token/秒
高于中位数
中位数的 1.4 倍
性价比第 246 / 255 名
2.7分/$
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 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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index41
  2. 推理35
  3. 编程37
  4. 数学36
  5. 人类偏好48
  6. 多模态37

嵌入这个排名

更多徽章样式
[![GPT-4 Turbo on BenchLeader: 综合第 252 名](https://www.benchleader.com/badge/gpt-4-turbo.svg?style=compact)](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。

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 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 01252024年1月25日34.9#589
GPT 3.5 Turbo 11062023年11月6日38.4#561
GPT-3.5-turbohigh2023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。

推理强度Index排名速度首次回答聊天回复成本类别
high––115 tok/s1.33 s$0.013知识 51
未说明最佳41.1#517115 tok/s1.33 s$0.013编程 37 · 人类偏好 48 · 数学 36 · 多模态 37 · 推理 35

Index 走势

2026年9月8日 至 2026年11月16日
364247

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 Diamond46.6%#244Epoch AI Benchmarking Hub
SimpleBench25.1%#96SimpleBench
Arena Hard Prompts1316#258Arena (LMArena)
Humanity's Last Exam (AA)不计入 Index3.1%#626Artificial Analysis
Arena Expert不计入 Index1297#252Arena (LMArena)
LMCA不计入 Index9.8%#188Epoch AI Benchmarking Hub
DTBench不计入 Index61.6%#187Epoch AI Benchmarking Hub
ForecastBench不计入 Index62.9%#50ForecastBench

编程

基准测试默认来源趋势
WeirdML18.0%#147WeirdML
Arena Coding1347#257Arena (LMArena)
LiveCodeBench (AA)不计入 Index29.1%#206Artificial Analysis

智能体与工具

基准测试默认来源趋势
METR Time Horizons不计入 Index36.7%#32METR

知识

基准测试high默认来源趋势
LegalBench80.5%#85–Vals AI
MedQA82.0%#67–Vals AI
MMLU不计入 Index推理强度未说明–81.3%#17Epoch AI Benchmarking Hub

指令遵循

基准测试默认来源趋势
Arena Instruction Following不计入 Index1303#243Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1325#238Arena (LMArena)
Arena Creative Writing不计入 Index1323#200Arena (LMArena)
Arena Multi-turn不计入 Index1313#243Arena (LMArena)
Arena Longer Queries不计入 Index1318#252Arena (LMArena)

多模态

基准测试默认来源趋势
Arena Vision1090#129Arena (LMArena)

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index125.8#156Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index7.0#507Artificial Analysis
AA Progress Index v1不计入 Index160.4#529Artificial 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

OpenAI 的更多模型

本月新上线

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。

[![GPT-4 Turbo on BenchLeader: 综合第 252 名](https://www.benchleader.com/badge/gpt-4-turbo.svg)](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}
}

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 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。