GPT-5.2
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
- 综合 Index60
- 推理60
- 编程63
- 智能体与工具54
- 数学57
- 知识56
- 指令遵循74
- 长上下文66
嵌入这个排名
更多徽章样式[](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。
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-5.6 | 2026年7月9日 | – | – |
| GPT-5.5xhigh | 2026年4月23日 | 64.1 | #31 |
| GPT-5.4xhigh | 2026年3月5日 | 63.1 | #42 |
| GPT-5.2xhigh本页 | 2025年12月11日 | 59.9 | #95 |
| GPT-5.1high | 2025年11月12日 | 57.5 | #151 |
| GPT-5medium | 2025年8月7日 | 59.0 | #113 |
| GPT-4.1 | 2025年4月14日 | 48.7 | #377 |
| GPT-4.5 | 2025年2月27日 | 50.5 | #335 |
| GPT 4 0125 | 2024年1月25日 | – | – |
| GPT-4 1106 | 2023年11月6日 | – | – |
| GPT 4 0613 | 2023年6月13日 | 39.5 | #541 |
| GPT-4 | 2023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 | #379 | 74 tok/s | 2.15 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 |
| low | 49.5 | #360 | 44 tok/s | 2.27 s | $0.0049 | 编程 50 · 知识 42 · 数学 57 · 推理 48 |
| medium | 56.2 | #186 | 66 tok/s | 7.31 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 |
| high | 55.8 | #201 | 44 tok/s | 2.27 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 | #95 | 76 tok/s | 112 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 | #171 | 44 tok/s | 2.27 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- 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 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| GPQA Diamond | 73.2%#170 | 82.7%#122 | 87.9%#76 | 88.2%#72 | 91.4%#37 | – | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | – | – | – | 27.8%#14 | Scale AI / CAIS | |
| SimpleBench | – | – | – | 45.8%#69 | – | 45.8%#69 | SimpleBench | |
| Arena Hard Prompts | – | – | – | 1460#100 | – | 1497#41 | Arena (LMArena) | |
| LiveBench 1.0 Reasoning不计入 Index | – | – | – | 83.2%#44 | – | – | LiveBench | |
| GPQA Diamond (AA)不计入 Index | 71.2%#294 | – | 86.4%#114 | – | 90.3%#63 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 8.0%#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%#18 | Kagi LLM Benchmark | |
| ARC-AGI-1 | – | 55.7%#180 | 72.7%#146 | 78.7%#131 | 86.2%#112 | 12.3%#241 | ARC Prize | |
| ARC-AGI-2 | – | 9.7%#169 | 26.7%#146 | 43.3%#121 | 52.9%#110 | 0.8%#239 | ARC Prize | |
| CritPt不计入 Index | 0.6%#274 | – | 7.9%#156 | – | 11.6%#124 | – | Artificial Analysis | |
| SciPredict不计入 Index推理强度未说明 | – | – | – | – | – | 20.6%#6 | Scale AI SEAL | |
| Arena Expert不计入 Index | – | – | – | 1475#87 | – | 1491#59 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 2.0%#151 | 26.0%#83 | 36.0%#53 | 45.0%#31 | 48.0%#21 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | 14.0%#102 | 10.0%#117 | 22.0%#59 | 23.0%#55 | – | – | Epoch AI Benchmarking Hub | |
| CL-bench不计入 Index | – | – | – | 18.1%#13 | – | 18.2%#12 | Epoch 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%#39 | ForecastBench |
编程
智能体与工具
| 基准测试 | 无推理 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Terminal-Bench | – | – | 64.9%#12 | – | – | 64.9%#11 | Terminal-Bench | |
| GDPval | 49.7%#1 | – | – | – | – | – | OpenAI | |
| Remote Labor Index | – | – | 2.5%#13 | – | – | 2.1%#14 | Scale AI / CAIS | |
| LiveBench Agentic Coding不计入 Index | – | – | – | 50.3%#44 | – | – | LiveBench | |
| Terminal-Bench Hard | 31.8%#103 | – | 43.2%#41 | – | 47.0%#27 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 46.5%#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%#14 | Berkeley Function Calling Leaderboard | |
| τ²-bench | 61.6%#8 | – | – | 84.8%#3 | – | – | τ²-bench | |
| τ³-bench Banking不计入 Index | 12.6%#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%#1 | Vals AI | |
| Terminal-Bench 2.0 (Vals)不计入 Index | – | – | – | 51.7%#17 | – | – | Vals AI | |
| Arena Search不计入 Index | 1136#39 | – | – | – | – | 1161#34 | Arena (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#50 | Andon Labs | |
| Design Arena Agentic不计入 Index推理强度未说明 | – | – | – | – | – | 1065#66 | Design Arena |
数学
| 基准测试 | 无推理 | low | medium | high | xhigh | 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 AIME | 62.2%#171 | 78.9%#131 | 93.9%#65 | 96.1%#46 | 96.1%#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#74 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 51.0%#134 | – | 96.7%#4 | – | 99.0%#1 | – | Artificial Analysis |
知识
| 基准测试 | 无推理 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| SimpleQA Verified | – | 32.8%#69 | 32.7%#71 | 34.3%#61 | 37.1%#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%#17 | Scale 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 Index | 86.8%#28 | – | 89.8%#15 | – | – | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | medium | high | xhigh | 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 | |
| IFBench | 47.4%#191 | 65.2%#103 | – | 75.4%#31 | – | Artificial Analysis | |
| TutorBench推理强度未说明 | – | – | – | – | 53.5%#11 | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | – | – | 1427#102 | – | 1457#58 | Arena (LMArena) |
人类偏好
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1437#102 | 1476#35 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1703#33 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1386#135 | 1432#72 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1442#104 | 1495#18 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1434#120 | 1472#61 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1246#67 | – | 1268#46 | Arena (LMArena) | |
| MMMU-Pro | 65.8%#186 | 74.6%#122 | – | – | – | Artificial Analysis | |
| VISTA推理强度未说明 | – | – | – | – | 46.6%#20 | Scale 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%#4 | 84.0%#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 | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 45.7%#356 | 70.3%#228 | – | 82.7%#40 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | – | 1422#43 | – | 1425#42 | Arena (LMArena) |
综合
| 基准测试 | 无推理 | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | 154.5#49 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | – | – | 74.6%#40 | – | – | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 17.0#274 | 26.5#157 | – | 30.4#125 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 224.9#336 | 277.9#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 Index | 17.5%#31 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 86.7%#13 | Scale AI SEAL | |
| PropensityBench不计入 Index | 34.4%#6 | Scale 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 |
|---|---|---|---|---|---|---|
| OpenAI | 45 tok/s | 2.01 s | $1.75 | $14.00 | 400k | – |
| Azure | 40 tok/s | 1.67 s | $1.75 | $14.00 | 400k | – |
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 | $0.0044 | 1.9 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.029 | $0.015 | 2.0 min |
| 代码编辑 | 6,000 / 1,500 | $0.032 | $0.024 | 2.2 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.161 | $0.090 | 2.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.0063 | $0.0039 | 1.9 min |
将 GPT-5.2 与以下模型对比
- GPT-5.2 vs Claude Opus 5.5
- GPT-5.2 vs Gemini 4 Argon
- GPT-5.2 vs GLM 5.3 Flash
- GPT-5.2 vs GPT-6.1 Sol
- GPT-5.2 vs GPT-5.6 Terra
- GPT-5.2 vs Claude Sonnet 5.5
- GPT-5.2 vs Qwen3.8 Max
- GPT-5.2 vs DeepSeek V4.1 Flash 1017
- GPT-5.2 vs Claude Fable 5.1
- GPT-5.2 vs MiMo-V2.6-Pro
- GPT-5.2 vs GPT-6 Astra
- GPT-5.2 vs Qwen3.8-Flash-Next
- GPT-5.2 vs Step 5 Preview
- GPT-5.2 vs GPT-5.6 Sol
- GPT-5.2 vs Grok 4.7
- GPT-5.2 vs GLM 5.3
- GPT-5.2 vs Claude Opus 4.8
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。
[](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}
}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。