BenchLeader

o1

推理强度
质量第 136 / 339 名
52.5Index
高于中位数
较中位数 +2.3
价格第 247 / 255 名
$26.25每百万 token
最贵的四分之一
中位数的 31 倍
性价比第 247 / 255 名
2.0分/$
后四分之一
中位数的 0.0 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有 228 分之一。

有 116 个更便宜的已排名模型得分更高:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00),另有 113 个。

截至 2026年11月16日,o1(OpenAI)在 BenchLeader Index 上得分 52.5(共 608 个已排名配置)。表现最好的是指令遵循(69),最弱的是智能体与工具(42)。API 价格为输入每百万 token $15.00、输出每百万 token $60.00(按 3:1 混合为 $26.25),为 2026年11月16日的标价。发布于 2024年12月17日。

要点(截至 2026年11月16日)

  • o1 的 API 价格为输入每百万 token $15.00、输出每百万 token $60.00(按 3:1 混合为 $26.25)(标价,2026年11月16日)。
  • o1 于 2024年12月17日发布(OpenAI)。

详细说明:o1 是 OpenAI 的闭源推理模型,发布于 2024年12月17日。其最佳配置在 BenchLeader Index 上得分 52.5 ±4.8,在 608 个配置中排第 275 名,处于上半区。关键在于这个“±”:另有 284 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(69),智能体与工具最低(42)。按混合价格计,每百万 token $26.25,属于已排名模型中最贵的一档。它已在 4 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
$26.25/M
输入 $15.00 · 输出 $60.00
来源:Artificial Analysis
输出速度
–
首次回答
–
上下文
200k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2024年12月17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 Index53
  2. 推理42
  3. 编程52
  4. 智能体与工具42
  5. 数学54
  6. 指令遵循69
  7. 人类偏好58
  8. 多模态52
  9. 长上下文57

嵌入这个排名

更多徽章样式
[![o1 on BenchLeader: 综合第 135 名](https://www.benchleader.com/badge/o1.svg?style=compact)](https://www.benchleader.com/models/o1)

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
low––––$0.024数学 35 · 推理 54
medium47.9#395––$0.024长上下文 48 · 数学 46 · 推理 47
high49.5#359––$0.024编程 46 · 知识 54 · 数学 49 · 推理 48
未说明最佳52.5#275––$0.024智能体与工具 42 · 编程 52 · 人类偏好 58 · 指令遵循 69 · 长上下文 57 · 数学 54 · 多模态 52 · 推理 42

Index 走势

2026年9月8日 至 2026年11月16日
394959
  • 默认
  • high
  • medium

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lowmediumhigh默认来源趋势
GPQA Diamond74.2%#16675.8%#15676.8%#15250.3%#228Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–––8.0%#36Scale AI / CAIS
SimpleBench–36.7%#8240.1%#7841.7%#73SimpleBench
Arena Hard Prompts推理强度未说明–––1418#161Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–––76.5%#237Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–––7.0%#394Artificial Analysis
GPQA Diamond (Vals)不计入 Index––73.2%#84–Vals AI
CritPt不计入 Index推理强度未说明–––0.3%#291Artificial Analysis
Arena Expert不计入 Index推理强度未说明–––1402#172Arena (LMArena)
Chess Puzzles不计入 Index11.0%#1288.0%#13710.0%#132–Epoch AI Benchmarking Hub
LMCA不计入 Index––22.3%#163–Epoch AI Benchmarking Hub
DTBench不计入 Index––74.7%#159–Epoch AI Benchmarking Hub

编程

基准测试mediumhigh默认来源趋势
WeirdML–46.1%#8147.6%#76WeirdML
Arena Coding推理强度未说明––1433#176Arena (LMArena)
LiveCodeBench–50.3%#114–Vals AI
Aider Polyglot–61.7%#19–Aider polyglot leaderboard
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––64.6%#23SWE-bench
CadEval不计入 Index56.0%#4––Epoch AI Benchmarking Hub
LiveCodeBench (AA)不计入 Index推理强度未说明––67.9%#79Artificial Analysis

智能体与工具

基准测试medium默认来源趋势
Cybench推理强度未说明–10.0%#15Cybench
Terminal-Bench Hard推理强度未说明–12.9%#211Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index推理强度未说明–62.6%#178Artificial Analysis
METR Time Horizons不计入 Index51.0%#2645.1%#30METR
BrowseComp不计入 Index推理强度未说明–6.3%#5OpenAI

数学

基准测试lowmediumhigh默认来源趋势
FrontierMath Tiers 1–38.4%#11210.2%#11014.7%#107–Epoch AI Benchmarking Hub
OTIS Mock AIME53.3%#19073.3%#14073.3%#14031.1%#218Epoch AI Benchmarking Hub
MATH Level 5–94.4%#1794.7%#1681.7%#33Epoch AI Benchmarking Hub
AIME (Vals)––71.5%#53–Vals AI
MGSM––89.3%#46–Vals AI
MATH 500不计入 Index––90.4%#24–Vals AI
Arena Maths推理强度未说明–––1409#143Arena (LMArena)
AIME 2025 (AA)不计入 Index推理强度未说明–––79.7%#67Artificial Analysis

知识

基准测试high来源趋势
SimpleQA Verified41.1%#51Epoch AI Benchmarking Hub
MMLU-Pro83.5%#70Vals AI
LegalBench80.4%#86Vals AI
TaxEval74.3%#38Vals AI
MedQA96.5%#1Vals AI

指令遵循

基准测试默认来源趋势
IFBench70.3%#68Artificial Analysis
Arena Instruction Following不计入 Index1407#135Arena (LMArena)

人类偏好

基准测试medium默认来源趋势
Arena Text推理强度未说明–1402#154Arena (LMArena)
Arena Creative Writing不计入 Index推理强度未说明–1381#142Arena (LMArena)
Arena Multi-turn不计入 Index推理强度未说明–1390#175Arena (LMArena)
Arena Longer Queries不计入 Index推理强度未说明–1413#149Arena (LMArena)
Lech Mazur Creative Writing不计入 Index70.2%#34–Lech Mazur

多模态

基准测试mediumhigh默认来源趋势
Arena Vision推理强度未说明––1168#109Arena (LMArena)
VISTA推理强度未说明––45.3%#28Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–77.4%#52–Vals AI
GeoBench不计入 Index80.0%#13––GeoBench
VPCT不计入 Index37.0%#24––Epoch AI Benchmarking Hub
SpatialViz-Bench不计入 Index推理强度未说明––41.4%#2Epoch AI Benchmarking Hub

长上下文

基准测试medium默认来源趋势
Fiction.LiveBench 120k53.1%#20–Fiction.live
AA-LCR v1.1推理强度未说明–65.0%#270Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index141.2#110Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index15.2#296Artificial Analysis
AA Progress Index v1不计入 Index227.8#325Artificial Analysis

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index19.4%#37Scale AI SEAL
MASK不计入 Index59.3%#39Scale AI SEAL

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 $7.50。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$0.024$0.022–
总结一份 30 页的报告12,000 / 600$0.216$0.148–
代码编辑6,000 / 1,500$0.180$0.146–
智能体编程会话60,000 / 4,000$1.14$0.802–
结构化信息提取2,000 / 200$0.042$0.031–

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 o1 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。

[![o1 on BenchLeader: 综合第 135 名](https://www.benchleader.com/badge/o1.svg)](https://www.benchleader.com/models/o1)

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). o1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/o1

BibTeX:

@misc{benchleader_o1_20261116,
  author       = {{BenchLeader}},
  title        = {{o1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/o1}},
  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

o1 的基准测试得分是多少?
截至 2026年11月16日,o1 的 BenchLeader Index 为 52.5 ±4.8。最强的是指令遵循(69),最弱的是智能体与工具(42)。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。
o1 排名第几?
截至 2026年11月16日,o1 在 608 个已排名配置中排第 275 名。另有 284 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。
o1 每百万 token 的价格是多少?
截至 2026年11月16日,o1 的价格为输入每百万 token $15.00、输出每百万 token $60.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $26.25。
o1 是什么时候发布的?
OpenAI 于 2024年12月17日发布了 o1。BenchLeader 收录了它在 4 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,《o1: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/o1。