BenchLeader

GPT-4o

推理强度
质量第 235 / 339 名
42.8Index
低于中位数
较中位数 −7.4
价格第 214 / 255 名
$4.38每百万 token
最贵的四分之一
中位数的 5.1 倍
速度第 63 / 216 名
114token/秒
高于中位数
中位数的 1.4 倍
性价比第 221 / 255 名
9.8分/$
后四分之一
中位数的 0.2 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index43
  2. 推理34
  3. 编程34
  4. 智能体与工具34
  5. 数学41
  6. 知识35
  7. 指令遵循41
  8. 人类偏好62
  9. 多模态46
  10. 长上下文52

嵌入这个排名

更多徽章样式
[![GPT-4o on BenchLeader: 综合第 229 名](https://www.benchleader.com/badge/gpt-4o.svg?style=compact)](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。

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

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
high41.6#51099 tok/s2.70 s$0.0040编程 29 · 知识 46 · 数学 40
未说明最佳42.8#487114 tok/s2.16 s$0.0040智能体与工具 34 · 编程 34 · 人类偏好 62 · 指令遵循 41 · 知识 35 · 长上下文 52 · 数学 41 · 多模态 46 · 推理 34

Index 走势

2026年9月8日 至 2026年11月16日
354351
  • 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%#229Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–2.7%#48Scale AI / CAIS
SimpleBench推理强度未说明–17.8%#109SimpleBench
Arena Hard Prompts推理强度未说明–1455#111Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–65.5%#349Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–4.0%#578Artificial Analysis
GPQA Diamond (Vals)不计入 Index53.8%#115–Vals AI
GPQA Diamond (HELM)不计入 Index推理强度未说明–52.0%#35HELM Capabilities
ARC-AGI-1推理强度未说明–4.5%#257ARC Prize
ARC-AGI-2推理强度未说明–0.0%#251ARC Prize
CritPt不计入 Index推理强度未说明–0.0%#337Artificial Analysis
Arena Expert不计入 Index推理强度未说明–1430#144Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明–9.0%#134Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–16.6%#177Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–64.5%#178Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–61.0%#70ForecastBench

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%#33Epoch AI Benchmarking Hub
WeirdML推理强度未说明–25.1%#139WeirdML
GSO-Bench推理强度未说明–0.0%#35GSO-Bench
Arena Coding推理强度未说明–1467#127Arena (LMArena)
LiveCodeBench43.4%#121–Vals AI
Aider Polyglot推理强度未说明–45.3%#38Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明–21.6%#42SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明–38.8%#48SWE-bench
SWE-Bench Pro (private)不计入 Index推理强度未说明–3.6%#14Scale AI SEAL
CadEval不计入 Index推理强度未说明–26.0%#12Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明–823#189Design Arena
LiveCodeBench (AA)不计入 Index推理强度未说明–42.5%#158Artificial Analysis

智能体与工具

基准测试默认来源趋势
GDPval9.9%#11OpenAI
Cybench12.5%#14Cybench
Terminal-Bench Hard8.3%#240Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index28.9%#270Artificial Analysis
GDPval-AA v2.1不计入 Index-9#287Artificial Analysis
Arena Search不计入 Index1084#41Arena (LMArena)
BALROG不计入 Index32.3%#16BALROG
TheAgentCompany不计入 Index8.6%#8TheAgentCompany
METR Time Horizons不计入 Index40.8%#31METR
BrowseComp不计入 Index0.7%#24OpenAI

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%#122Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–6.4%#255Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明–53.3%#52Epoch AI Benchmarking Hub
AIME (Vals)14.0%#84–Vals AI
MGSM90.7%#37–Vals AI
Omni-MATH (HELM)推理强度未说明–29.3%#46HELM Capabilities
MATH 500不计入 Index75.2%#44–Vals AI
Arena Maths推理强度未说明–1403#151Arena (LMArena)
AIME 2025 (AA)不计入 Index推理强度未说明–25.7%#187Artificial 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%#79Epoch AI Benchmarking Hub
MMLU-Pro74.1%#111–Vals AI
LegalBench82.2%#73–Vals AI
CorpFin45.9%#112–Vals AI
TaxEval74.5%#35–Vals AI
MedQA88.2%#55–Vals AI
MultiNRC推理强度未说明–12.4%#41Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–71.3%#38HELM Capabilities
CaseLaw v2不计入 Index59.7%#25–Vals AI
MMLU不计入 Index推理强度未说明–88.1%#1Epoch AI Benchmarking Hub

人类偏好

基准测试默认来源趋势
Arena Text1443#93Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1501#58EQ-Bench
Arena Creative Writing不计入 Index1421#86Arena (LMArena)
Arena Multi-turn不计入 Index1470#64Arena (LMArena)
Arena Longer Queries不计入 Index1440#113Arena (LMArena)
Lech Mazur Creative Writing不计入 Index81.8%#13Lech 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#71Arena (LMArena)
MMMU-Pro推理强度未说明–56.3%#238Artificial Analysis
VISTA推理强度未说明–38.0%#42Scale AI SEAL
MMMU-Pro (official)不计入 Index推理强度未说明–51.9%#1MMMU
MMMU-Pro (Vals)不计入 Index64.0%#77–Vals AI
MortgageTax不计入 Index61.0%#62–Vals AI
GeoBench不计入 Index推理强度未说明–71.0%#24GeoBench
VPCT不计入 Index推理强度未说明–40.0%#16Epoch AI Benchmarking Hub
Video-MME不计入 Index推理强度未说明–71.9%#6Video-MME
ScienceQA不计入 Index推理强度未说明–88.5%#2Epoch AI Benchmarking Hub

长上下文

基准测试默认来源趋势
AA-LCR v1.156.0%#315Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index128.8#147Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index9.0#428Artificial Analysis
AA Progress Index v1不计入 Index181.3#475Artificial Analysis
HELM Capabilities mean不计入 Index63.4%#38HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index47.2%#66Scale AI SEAL
MASK不计入 Index60.1%#38Scale AI SEAL
PropensityBench不计入 Index46.1%#7Scale 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
OpenAI108 tok/s0.53 s$2.50$10.00128k–
Azure92 tok/s0.94 s$2.50$10.00128k–

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$0.00364.8 s
总结一份 30 页的报告12,000 / 600$0.036$0.0257.4 s
代码编辑6,000 / 1,500$0.030$0.02415.3 s
智能体编程会话60,000 / 4,000$0.190$0.13437.3 s
结构化信息提取2,000 / 200$0.0070$0.00513.9 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-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。

[![GPT-4o on BenchLeader: 综合第 229 名](https://www.benchleader.com/badge/gpt-4o.svg)](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}
}

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-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。