o1
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
- 综合 Index53
- 推理42
- 编程52
- 智能体与工具42
- 数学54
- 指令遵循69
- 人类偏好58
- 多模态52
- 长上下文57
嵌入这个排名
更多徽章样式[](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。
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
- 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 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| GPQA Diamond | 74.2%#166 | 75.8%#156 | 76.8%#152 | 50.3%#228 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | – | 8.0%#36 | Scale AI / CAIS | |
| SimpleBench | – | 36.7%#82 | 40.1%#78 | 41.7%#73 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | – | – | 1418#161 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | – | – | 76.5%#237 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | – | – | 7.0%#394 | Artificial 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%#291 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | – | 1402#172 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 11.0%#128 | 8.0%#137 | 10.0%#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 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| WeirdML | – | 46.1%#81 | 47.6%#76 | WeirdML | |
| Arena Coding推理强度未说明 | – | – | 1433#176 | Arena (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%#23 | SWE-bench | |
| CadEval不计入 Index | 56.0%#4 | – | – | Epoch AI Benchmarking Hub | |
| LiveCodeBench (AA)不计入 Index推理强度未说明 | – | – | 67.9%#79 | Artificial 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%#15 | Cybench | |
| Terminal-Bench Hard推理强度未说明 | – | 12.9%#211 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index推理强度未说明 | – | 62.6%#178 | Artificial Analysis | |
| METR Time Horizons不计入 Index | 51.0%#26 | 45.1%#30 | METR | |
| BrowseComp不计入 Index推理强度未说明 | – | 6.3%#5 | OpenAI |
数学
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 8.4%#112 | 10.2%#110 | 14.7%#107 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 53.3%#190 | 73.3%#140 | 73.3%#140 | 31.1%#218 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | – | 94.4%#17 | 94.7%#16 | 81.7%#33 | Epoch 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#143 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index推理强度未说明 | – | – | – | 79.7%#67 | Artificial Analysis |
知识
| 基准测试 | high | 来源 | 趋势 |
|---|---|---|---|
| SimpleQA Verified | 41.1%#51 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 83.5%#70 | Vals AI | |
| LegalBench | 80.4%#86 | Vals AI | |
| TaxEval | 74.3%#38 | Vals AI | |
| MedQA | 96.5%#1 | Vals AI |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 70.3%#68 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1407#135 | Arena (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#154 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index推理强度未说明 | – | 1381#142 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index推理强度未说明 | – | 1390#175 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index推理强度未说明 | – | 1413#149 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 70.2%#34 | – | Lech Mazur |
多模态
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | – | 1168#109 | Arena (LMArena) | |
| VISTA推理强度未说明 | – | – | 45.3%#28 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | – | 77.4%#52 | – | Vals AI | |
| GeoBench不计入 Index | 80.0%#13 | – | – | GeoBench | |
| VPCT不计入 Index | 37.0%#24 | – | – | Epoch AI Benchmarking Hub | |
| SpatialViz-Bench不计入 Index推理强度未说明 | – | – | 41.4%#2 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | medium | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 53.1%#20 | – | Fiction.live | |
| AA-LCR v1.1推理强度未说明 | – | 65.0%#270 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 141.2#110 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 15.2#296 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 227.8#325 | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 19.4%#37 | Scale AI SEAL | |
| MASK不计入 Index | 59.3%#39 | Scale 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 | – |
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。
[](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}
}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。