GPT-4o
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 109 分之一。
有 160 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 157 个。
截至 2026年11月16日,GPT-4o(OpenAI)在 BenchLeader Index 上得分 42.8(共 608 个已排名配置)。表现最好的是人类偏好(62),最弱的是智能体与工具(34)。API 价格为输入每百万 token $2.50、输出每百万 token $10.00(按 3:1 混合为 $4.38),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2024年5月13日。
要点(截至 2026年11月16日)
- GPT-4o 的 API 价格为输入每百万 token $2.50、输出每百万 token $10.00(按 3:1 混合为 $4.38)(标价,2026年11月16日)。
- GPT-4o 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-4o 于 2024年5月13日发布(OpenAI)。
详细说明:GPT-4o 是 OpenAI 的闭源模型,发布于 2024年5月13日。其最佳配置在 BenchLeader Index 上得分 42.8 ±5.2,在 608 个配置中排第 487 名,处于下半区。关键在于这个“±”:另有 213 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(62),智能体与工具最低(34)。按混合价格计,每百万 token $4.38,属于已排名模型中最贵的一档。输出速度为 114 token/秒,首次回答需 2.2 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
- $4.38/M
- 输入 $2.50 · 输出 $10.00
- 来源:Artificial Analysis
- 输出速度
- 114 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 2.16 s
- 首 token 0.61 s
- 上下文
- 128k
- 来源:models.dev
- 完整回答
- 13 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5月13日
- 综合 Index43
- 推理34
- 编程34
- 智能体与工具34
- 数学41
- 知识35
- 指令遵循41
- 人类偏好62
- 多模态46
- 长上下文52
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-4o)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。
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- 默认
- high
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 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | 49.2%#229 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | 2.7%#48 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | 17.8%#109 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | 1455#111 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | 65.5%#349 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 4.0%#578 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 53.8%#115 | – | Vals AI | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | 52.0%#35 | HELM Capabilities | |
| ARC-AGI-1推理强度未说明 | – | 4.5%#257 | ARC Prize | |
| ARC-AGI-2推理强度未说明 | – | 0.0%#251 | ARC Prize | |
| CritPt不计入 Index推理强度未说明 | – | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | 1430#144 | Arena (LMArena) | |
| Chess Puzzles不计入 Index推理强度未说明 | – | 9.0%#134 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | 16.6%#177 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | 64.5%#178 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | 61.0%#70 | ForecastBench |
编程
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SWE-bench Verified (Epoch)推理强度未说明 | – | 31.0%#33 | Epoch AI Benchmarking Hub | |
| WeirdML推理强度未说明 | – | 25.1%#139 | WeirdML | |
| GSO-Bench推理强度未说明 | – | 0.0%#35 | GSO-Bench | |
| Arena Coding推理强度未说明 | – | 1467#127 | Arena (LMArena) | |
| LiveCodeBench | 43.4%#121 | – | Vals AI | |
| Aider Polyglot推理强度未说明 | – | 45.3%#38 | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | 21.6%#42 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | 38.8%#48 | SWE-bench | |
| SWE-Bench Pro (private)不计入 Index推理强度未说明 | – | 3.6%#14 | Scale AI SEAL | |
| CadEval不计入 Index推理强度未说明 | – | 26.0%#12 | Epoch AI Benchmarking Hub | |
| Design Arena Website不计入 Index推理强度未说明 | – | 823#189 | Design Arena | |
| LiveCodeBench (AA)不计入 Index推理强度未说明 | – | 42.5%#158 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GDPval | 9.9%#11 | OpenAI | |
| Cybench | 12.5%#14 | Cybench | |
| Terminal-Bench Hard | 8.3%#240 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 28.9%#270 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | -9#287 | Artificial Analysis | |
| Arena Search不计入 Index | 1084#41 | Arena (LMArena) | |
| BALROG不计入 Index | 32.3%#16 | BALROG | |
| TheAgentCompany不计入 Index | 8.6%#8 | TheAgentCompany | |
| METR Time Horizons不计入 Index | 40.8%#31 | METR | |
| BrowseComp不计入 Index | 0.7%#24 | OpenAI |
数学
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3推理强度未说明 | – | 0.3%#122 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME推理强度未说明 | – | 6.4%#255 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | 53.3%#52 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 14.0%#84 | – | Vals AI | |
| MGSM | 90.7%#37 | – | Vals AI | |
| Omni-MATH (HELM)推理强度未说明 | – | 29.3%#46 | HELM Capabilities | |
| MATH 500不计入 Index | 75.2%#44 | – | Vals AI | |
| Arena Maths推理强度未说明 | – | 1403#151 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index推理强度未说明 | – | 25.7%#187 | Artificial Analysis |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified推理强度未说明 | – | 26.0%#79 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 74.1%#111 | – | Vals AI | |
| LegalBench | 82.2%#73 | – | Vals AI | |
| CorpFin | 45.9%#112 | – | Vals AI | |
| TaxEval | 74.5%#35 | – | Vals AI | |
| MedQA | 88.2%#55 | – | Vals AI | |
| MultiNRC推理强度未说明 | – | 12.4%#41 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | 71.3%#38 | HELM Capabilities | |
| CaseLaw v2不计入 Index | 59.7%#25 | – | Vals AI | |
| MMLU不计入 Index推理强度未说明 | – | 88.1%#1 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 36.0%#313 | Artificial Analysis | |
| TutorBench | 36.1%#27 | Scale AI SEAL | |
| IFEval (HELM) | 81.7%#39 | HELM Capabilities | |
| WildBench (HELM) | 82.8%#20 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1427#104 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1443#93 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1501#58 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1421#86 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1470#64 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1440#113 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 81.8%#13 | Lech Mazur |
多模态
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | 1243#71 | Arena (LMArena) | |
| MMMU-Pro推理强度未说明 | – | 56.3%#238 | Artificial Analysis | |
| VISTA推理强度未说明 | – | 38.0%#42 | Scale AI SEAL | |
| MMMU-Pro (official)不计入 Index推理强度未说明 | – | 51.9%#1 | MMMU | |
| MMMU-Pro (Vals)不计入 Index | 64.0%#77 | – | Vals AI | |
| MortgageTax不计入 Index | 61.0%#62 | – | Vals AI | |
| GeoBench不计入 Index推理强度未说明 | – | 71.0%#24 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | 40.0%#16 | Epoch AI Benchmarking Hub | |
| Video-MME不计入 Index推理强度未说明 | – | 71.9%#6 | Video-MME | |
| ScienceQA不计入 Index推理强度未说明 | – | 88.5%#2 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 56.0%#315 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 128.8#147 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 9.0#428 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 181.3#475 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 63.4%#38 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 47.2%#66 | Scale AI SEAL | |
| MASK不计入 Index | 60.1%#38 | Scale AI SEAL | |
| PropensityBench不计入 Index | 46.1%#7 | Scale AI SEAL |
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 |
|---|---|---|---|---|---|---|
| OpenAI | 108 tok/s | 0.53 s | $2.50 | $10.00 | 128k | – |
| Azure | 92 tok/s | 0.94 s | $2.50 | $10.00 | 128k | – |
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,价格为每百万 token $1.25。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 | $0.0040 | $0.0036 | 4.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.036 | $0.025 | 7.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.030 | $0.024 | 15.3 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.190 | $0.134 | 37.3 s |
| 结构化信息提取 | 2,000 / 200 | $0.0070 | $0.0051 | 3.9 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-4o 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-4o)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-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}
}常见问题
- GPT-4o 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-4o 的 BenchLeader Index 为 42.8 ±5.2。最强的是人类偏好(62),最弱的是智能体与工具(34)。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-4o 排名第几?
- 截至 2026年11月16日,GPT-4o 在 608 个已排名配置中排第 487 名。另有 213 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-4o 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-4o 的价格为输入每百万 token $2.50、输出每百万 token $10.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.38。
- GPT-4o 是什么时候发布的?
- OpenAI 于 2024年5月13日发布了 GPT-4o。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-4o: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-4o。