OpenAI
GPT-4 Turbo (Nov 2023) 评测成绩
来自 6 个来源、9 项基准的 15 条成绩。
闭源 发布: 2023年11月6日 更新于 2026年10月22日
其他名称: gpt-4-turbo-2024-04-09 · gpt-4-0125-preview · gpt-4-1106-preview · GPT-4 Turbo Preview (January 2024) · GPT-4 Turbo Preview (Nov 2023) · gpt-4-turbo · GPT-4 Turbo (1106 preview) · GPT-4 (1106) · SWE-agent + GPT 4 (1106) · RAG + GPT 4 (1106)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1325 | 251 | Overall, style control on; 98114 votes; 95% CI 1321–1328“gpt-4-turbo-2024-04-09” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1313 | 270 | Overall, style control on; 93439 votes; 95% CI 1309–1317“gpt-4-0125-preview” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1313 | 271 | Overall, style control on; 100105 votes; 95% CI 1309–1317“gpt-4-1106-preview” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1112 | 127 | Overall, style control on; 13391 votes; 95% CI 1100–1124“gpt-4-turbo-2024-04-09” | 官方榜单 | 2026年10月2日 |
| LiveCodeBench | 27.9% | 19 | Code generation, 182 problems dated 2025-01-01…2025-04-07“GPT-4-Turbo-2024-04-09” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 42.4% | 231 | Epoch AI run, accuracy; effort: Nov 2023 | 独立评测 | 2025年1月27日 |
| GPQA Diamond | 42.3% | 232 | Epoch AI run, accuracy; effort: January 2024 | 独立评测 | 2025年1月27日 |
| MMLU | 79.6% | 20 | Exact match; 5-shot | 官方榜单 via Epoch AI | 2023年11月6日 |
| MMLU-Pro | 63.7% | 124 | Overall accuracy; data source: TIGER-Lab“GPT-4-Turbo” | 官方榜单 | 2026年3月11日 |
| HumanEval / HumanEval+ | 85.4% | 13 | HumanEval (base tests), pass@1 greedy“GPT-4-Turbo (Nov 2023)” | 官方榜单 | 2024年12月26日 |
| HumanEval / HumanEval+ | 81.7% | 10 | HumanEval+ (extended tests), pass@1 greedy“GPT-4-Turbo (Nov 2023)” | 官方榜单 | 2024年12月26日 |
| SWE-bench Verified | 22.4% | 99 | agent: SWE-agent“gpt-4-1106-preview” | 官方榜单 | 2024年4月2日 |
| SWE-bench Verified | 2.8% | 108 | agent: RAG baseline“gpt-4-1106-preview” | 官方榜单 | 2024年4月2日 |
| MATH Level 5 | 40.0% | 71 | Epoch AI run, accuracy; effort: Nov 2023 | 独立评测 | 2025年1月27日 |
| MATH Level 5 | 35.4% | 76 | Epoch AI run, accuracy; effort: January 2024 | 独立评测 | 2025年1月27日 |
常见问题
GPT-4 Turbo (Nov 2023) 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、EvalPlus leaderboard、LiveCodeBench leaderboard、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和SWE-bench leaderboards (swebench.com)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。