GPT-4o
- 上下文
- 128K
- 输入价
- $2.50 / 百万 tokens
- 输出价
- $10.00 / 百万 tokens
- 许可
- 闭源
概览
OpenAI 的旗舰多模态模型，统一处理文本、图像与音频，响应快、综合能力强，是 ChatGPT 与大量应用的核心模型。支持结构化输出与高级语音模式，是开发者与企业的首选 API 模型之一。
- 模态
- 多模态
能力
- 原生多模态（文本/图像/音频）
- 代码生成与执行
- 工具调用与函数
- 结构化输出（JSON Schema）
- 实时语音对话
基准测试
分数按各测试原始量表列示，不同测试之间不作百分比换算。
| 测试项目 | 得分 | 量表 |
|---|---|---|
| MMLU | 88.7 | / 100 |
| HumanEval | 90.2 | / 100 |
| MMMU | 69.1 | / 100 |
| MATH | 76.6 | / 100 |
| GSM8K | 96.7 | / 100 |
版本历史
2024-08
输入 $2.50 / 百万 tokens输出 $10.00 / 百万 tokens- 支持结构化输出（JSON Schema），更稳定的格式化响应
- 输入价格从 $5 下调至 $2.5/MTok
- 视觉理解能力提升，图像描述更准确；工具调用可靠性增强
2024-05
上下文 128K- 首次发布，统一文本/图像/音频的全模态处理能力
