GPT-4 评测详情
GPT-4 当前已收录的代表性评测结果包括 GSM8K（12 / 68，得分 92）、HumanEval（22 / 101，得分 82）、MMLU（32 / 124，得分 86.40）。本页还提供与 1 个竞品模型及 2 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。
评测结果
GPT-4
评测结果
竞品对比
GPT-4 与同类主流模型的评测得分对比
GPT-4
Claude3-Opus
Claude3-Opus评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
4 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
GPT-4 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Claude3-Opus | Anthropic | $15 / 1M tokens | $75 / 1M tokens | — |
历代版本对比
GPT-4 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
4 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
单评测历史趋势图
当前查看：C-Eval · 综合知识考试
选择评测
GPT-4 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型暂未提供可比较的标准文本价格。