BenchLeader

GPT-5.2

推理强度
质量第 43 / 339 名
59.9Index
前四分之一
较中位数 +9.7
价格第 218 / 255 名
$4.81每百万 token
最贵的四分之一
中位数的 5.7 倍
速度第 122 / 216 名
76token/秒
低于中位数
中位数的 0.9 倍
性价比第 215 / 255 名
12.4分/$
后四分之一
中位数的 0.2 倍

性价比更高: GPT-5.6 Luna $0.450/M 即可获得 Index 58.2,价格只有 11 分之一。

有 22 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 19 个。

截至 2026年11月16日,GPT-5.2(OpenAI)在 BenchLeader Index 上得分 59.9(在 608 个已排名配置中前 100 名)。表现最好的是指令遵循(74),最弱的是智能体与工具(54)。API 价格为输入每百万 token $1.75、输出每百万 token $14.00(按 3:1 混合为 $4.81),为 2026年11月16日的标价。输出速度约为 76 token/秒(Artificial Analysis)。发布于 2025年12月11日。

要点(截至 2026年11月16日)

  • GPT-5.2 的 API 价格为输入每百万 token $1.75、输出每百万 token $14.00(按 3:1 混合为 $4.81)(标价,2026年11月16日)。
  • GPT-5.2 的输出速度约为 76 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-5.2 于 2025年12月11日发布(OpenAI)。

详细说明:GPT-5.2 是 OpenAI 的闭源推理模型,发布于 2025年12月11日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 59.9 ±4.0,在 608 个配置中排第 95 名,处于上半区。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,指令遵循得分最高(74),智能体与工具最低(54)。按混合价格计,每百万 token $4.81,属于已排名模型中最贵的一档。输出速度为 76 token/秒,首次回答需 112.5 秒,比大多数模型慢。它已在 6 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10月13日。

混合价格
$4.81/M
输入 $1.75 · 输出 $14.00
来源:Artificial Analysis
输出速度
76 tok/s
由 Artificial Analysis 测量
首次回答
112 s
首 token 2.27 s
上下文
400k
来源:models.dev
完整回答
154 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
2025年12月11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 Index60
  2. 推理60
  3. 编程63
  4. 智能体与工具54
  5. 数学57
  6. 知识56
  7. 指令遵循74
  8. 长上下文66

嵌入这个排名

更多徽章样式
[![GPT-5.2 on BenchLeader: 综合第 43 名](https://www.benchleader.com/badge/gpt-5-2.svg?style=compact)](https://www.benchleader.com/models/gpt-5-2)

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 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-5.2xhigh本页2025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-42023年3月14日42.3#496
GPT-3.5–––

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
无推理48.5#37974 tok/s2.15 s$0.0049智能体与工具 40 · 编程 50 · 指令遵循 49 · 长上下文 47 · 数学 50 · 多模态 48 · 推理 53
low49.5#36044 tok/s2.27 s$0.0049编程 50 · 知识 42 · 数学 57 · 推理 48
medium56.2#18666 tok/s7.31 s$0.0049智能体与工具 62 · 编程 59 · 指令遵循 65 · 知识 42 · 长上下文 60 · 数学 64 · 多模态 57 · 推理 54
high55.8#20144 tok/s2.27 s$0.0049智能体与工具 59 · 编程 59 · 人类偏好 62 · 知识 44 · 数学 62 · 多模态 58 · 推理 55
xhigh最佳59.9#9576 tok/s112 s$0.0049智能体与工具 54 · 编程 63 · 指令遵循 74 · 知识 56 · 长上下文 66 · 数学 57 · 推理 60
未说明56.7#17144 tok/s2.27 s$0.0049智能体与工具 61 · 编程 53 · 人类偏好 66 · 指令遵循 56 · 知识 56 · 数学 63 · 多模态 59 · 推理 48

Index 走势

2026年9月8日 至 2026年11月16日
515967
  • xhigh
  • 默认
  • medium
  • 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

基准测试无推理lowmediumhighxhigh默认来源趋势
GPQA Diamond73.2%#17082.7%#12287.9%#7688.2%#7291.4%#37–Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–––––27.8%#14Scale AI / CAIS
SimpleBench–––45.8%#69–45.8%#69SimpleBench
Arena Hard Prompts–––1460#100–1497#41Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index–––83.2%#44––LiveBench
GPQA Diamond (AA)不计入 Index71.2%#294–86.4%#114–90.3%#63–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index8.0%#373–26.7%#195–37.7%#114–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––––91.7%#18–Vals AI
Kagi LLM Benchmark推理强度未说明–––––73.3%#18Kagi LLM Benchmark
ARC-AGI-1–55.7%#18072.7%#14678.7%#13186.2%#11212.3%#241ARC Prize
ARC-AGI-2–9.7%#16926.7%#14643.3%#12152.9%#1100.8%#239ARC Prize
CritPt不计入 Index0.6%#274–7.9%#156–11.6%#124–Artificial Analysis
SciPredict不计入 Index推理强度未说明–––––20.6%#6Scale AI SEAL
Arena Expert不计入 Index–––1475#87–1491#59Arena (LMArena)
Chess Puzzles不计入 Index2.0%#15126.0%#8336.0%#5345.0%#3148.0%#21–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index14.0%#10210.0%#11722.0%#5923.0%#55––Epoch AI Benchmarking Hub
CL-bench不计入 Index–––18.1%#13–18.2%#12Epoch AI Benchmarking Hub
LMCA不计入 Index––––43.9%#103–Epoch AI Benchmarking Hub
DTBench不计入 Index––––90.9%#82–Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–––––63.8%#39ForecastBench

编程

基准测试无推理lowmediumhighxhigh默认来源趋势
SWE-bench Verified (Epoch)–––73.8%#17––Epoch AI Benchmarking Hub
WeirdML49.6%#7049.6%#7063.4%#42–72.2%#30–WeirdML
GSO-Bench–––27.4%#13––GSO-Bench
Arena Coding–––1489#101–1515#49Arena (LMArena)
Arena WebDev推理强度未说明–––––1421#94Arena (LMArena)
LiveBench 1.0 Coding不计入 Index–––76.1%#47––LiveBench
LiveCodeBench––––85.4%#32–Vals AI
SWE-bench (Vals)不计入 Index––––75.8%#41–Vals AI
SWE-Bench Pro推理强度未说明–––––29.9%#16Scale AI SEAL
SWE-bench Verified (bash only)–––72.8%#7–69.0%#15SWE-bench
SWE-bench Multilingual (bash only)不计入 Index–––66.7%#9––SWE-bench
SWE-bench Verified (any scaffold)不计入 Index–––72.8%#10––SWE-bench
Vibe Code Bench v1.1不计入 Index––––53.5%#65–Vals AI
SWE-Bench Pro (private)不计入 Index推理强度未说明–––––23.8%#7Scale AI SEAL
MirrorCode不计入 Index––––32.2%#33–Epoch AI Benchmarking Hub
ALE-Bench不计入 Index––1249.8#441293.5#42––Epoch AI Benchmarking Hub
AlgoTune不计入 Index––2.0#1–––AlgoTune
WeirdML v3不计入 Index––––5.0%#24–WeirdML
Design Arena Website不计入 Index1176#1021168#1101176#1021146#1251186#90–Design Arena
LiveCodeBench (AA)不计入 Index66.9%#83–89.4%#4–88.9%#6–Artificial Analysis

智能体与工具

基准测试无推理lowmediumhighxhigh默认来源趋势
Terminal-Bench––64.9%#12––64.9%#11Terminal-Bench
GDPval49.7%#1–––––OpenAI
Remote Labor Index––2.5%#13––2.1%#14Scale AI / CAIS
LiveBench Agentic Coding不计入 Index–––50.3%#44––LiveBench
Terminal-Bench Hard31.8%#103–43.2%#41–47.0%#27–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index46.5%#209–74.3%#143–84.8%#98–Artificial Analysis
MCP Atlas––––67.6%#27–Scale AI SEAL
BFCL Overall推理强度未说明–––––55.9%#14Berkeley Function Calling Leaderboard
τ²-bench61.6%#8––84.8%#3––τ²-bench
τ³-bench Banking不计入 Index12.6%#25––32.2%#13––τ²-bench
τ³-Banking (AA)11.1%#142–––––Artificial Analysis
Poker Agent不计入 Index推理强度未说明–––––1131.8%#1Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–––51.7%#17––Vals AI
Arena Search不计入 Index1136#39––––1161#34Arena (LMArena)
DeepResearch Bench不计入 Index–41.1%#35––––DeepResearch Bench
METR Time Horizons不计入 Index–––75.3%#4––METR
Vending-Bench 2不计入 Index推理强度未说明–––––3591.3#50Andon Labs
Design Arena Agentic不计入 Index推理强度未说明–––––1065#66Design Arena

数学

基准测试无推理lowmediumhighxhigh默认来源趋势
FrontierMath Tiers 1–3––––67.4%#36–Epoch AI Benchmarking Hub
FrontierMath Tier 4––––31.7%#43–Epoch AI Benchmarking Hub
OTIS Mock AIME62.2%#17178.9%#13193.9%#6596.1%#4696.1%#49–Epoch AI Benchmarking Hub
ProofBench––––15.0%#64–Vals AI
LiveBench Mathematics不计入 Index–––93.2%#24––LiveBench
AIME (Vals)––––96.9%#2–Vals AI
MGSM––––94.0%#6–Vals AI
AIME 2026–––98.3%#4––MathArena
HMMT February 2026–––97.0%#3––MathArena
MathArena Apex可能存在污染–––13.5%#18––MathArena
Arena Maths–––1457#70–1453#74Arena (LMArena)
AIME 2025 (AA)不计入 Index51.0%#134–96.7%#4–99.0%#1–Artificial Analysis

知识

基准测试无推理lowmediumhighxhigh默认来源趋势
SimpleQA Verified–32.8%#6932.7%#7134.3%#6137.1%#57–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index–––78.2%#27––LiveBench
MMLU-Pro––––86.2%#45–Vals AI
LegalBench––––82.8%#65–Vals AI
CorpFin––––65.9%#26–Vals AI
TaxEval––––75.8%#11–Vals AI
MedQA––––94.1%#19–Vals AI
MultiNRC推理强度未说明可能存在污染–––––42.2%#17Scale AI SEAL
CaseLaw v2不计入 Index––––66.0%#8–Vals AI
MedCode不计入 Index––––49.8%#20–Vals AI
MedScribe不计入 Index––––84.4%#35–Vals AI
DrugDiscoveryBench不计入 Index––––29.3%#19–Scale AI SEAL
EBR-bench不计入 Index––––23.0%#19–Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)不计入 Index86.8%#28–89.8%#15–––Artificial Analysis

指令遵循

基准测试无推理mediumhighxhigh默认来源趋势
LiveBench Language不计入 Index––79.8%#32––LiveBench
LiveBench Instruction Following不计入 Index––61.8%#56––LiveBench
IFBench47.4%#19165.2%#103–75.4%#31–Artificial Analysis
TutorBench推理强度未说明––––53.5%#11Scale AI SEAL
Arena Instruction Following不计入 Index––1427#102–1457#58Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1437#1021476#35Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1703#33EQ-Bench
Arena Creative Writing不计入 Index1386#1351432#72Arena (LMArena)
Arena Multi-turn不计入 Index1442#1041495#18Arena (LMArena)
Arena Longer Queries不计入 Index1434#1201472#61Arena (LMArena)

多模态

基准测试无推理mediumhighxhigh默认来源趋势
Arena Vision––1246#67–1268#46Arena (LMArena)
MMMU-Pro65.8%#18674.6%#122–––Artificial Analysis
VISTA推理强度未说明––––46.6%#20Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–––86.7%#17–Vals AI
MortgageTax不计入 Index–––67.1%#28–Vals AI
VPCT不计入 Index––67.0%#484.0%#2–Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index–––38.3%#22–Epoch AI Benchmarking Hub

长上下文

基准测试无推理mediumhighxhigh默认来源趋势
AA-LCR v1.145.7%#35670.3%#228–82.7%#40–Artificial Analysis
Arena Document不计入 Index––1422#43–1425#42Arena (LMArena)

综合

基准测试无推理mediumhighxhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––––154.5#49Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index––74.6%#40––LiveBench
AA Intelligence Index v4.3.2不计入 Index17.0#27426.5#157–30.4#125–Artificial Analysis
AA Progress Index v1不计入 Index224.9#336277.9#185–295.5#133–Artificial Analysis
Vals RSI Index不计入 Index–––15.8%#24–Vals AI

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index17.5%#31Scale AI SEAL
MASK不计入 Index可能存在污染86.7%#13Scale AI SEAL
PropensityBench不计入 Index34.4%#6Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

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
OpenAI45 tok/s2.01 s$1.75$14.00400k–
Azure40 tok/s1.67 s$1.75$14.00400k–

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 $0.175。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$0.0049$0.00441.9 min
总结一份 30 页的报告12,000 / 600$0.029$0.0152.0 min
代码编辑6,000 / 1,500$0.032$0.0242.2 min
智能体编程会话60,000 / 4,000$0.161$0.0902.8 min
结构化信息提取2,000 / 200$0.0063$0.00391.9 min

OpenAI 的更多模型

本月新上线

将 GPT-5.2 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-5.2 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-5.2 on BenchLeader: 综合第 43 名](https://www.benchleader.com/badge/gpt-5-2.svg)](https://www.benchleader.com/models/gpt-5-2)

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-5.2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-2

BibTeX:

@misc{benchleader_gpt_5_2_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.2 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-2}},
  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-5.2 的基准测试得分是多少?
截至 2026年11月16日,GPT-5.2(推理强度 xhigh)的 BenchLeader Index 为 59.9 ±4.0(前 100 名)。最强的是指令遵循(74),最弱的是智能体与工具(54)。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-5.2 排名第几?
截至 2026年11月16日,GPT-5.2(推理强度 xhigh)在 608 个已排名配置中排第 95 名(前 100 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-5.2 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5.2 的价格为输入每百万 token $1.75、输出每百万 token $14.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.81。
GPT-5.2 比 GPT-5.6 Terra 更好吗?
截至 2026年11月16日,GPT-5.2(推理强度 xhigh)与 GPT-5.6 Terra(推理强度 xhigh)的质量不相上下(BenchLeader Index 59.9 比 60.1,在 ±5.7 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
GPT-5.2 是什么时候发布的?
OpenAI 于 2025年12月11日发布了 GPT-5.2。BenchLeader 收录了它在 6 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-5.2: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-5-2。