OpenAI
GPT-4o (May 2024) 评测成绩
来自 5 个来源、9 项基准的 18 条成绩。
闭源 发布: 2024年5月13日 更新于 2026年10月22日
其他名称: gpt-4o-2024-05-13 · gpt-4o-2024-08-06 · GPT-4o (2024-05-13) · GPT-4o · Agentless-1.5 + GPT 4o (2024-05-13) · AutoCodeRover (v20240620) + GPT 4o (2024-05-13) · MASAI + GPT 4o (2024-06-12) · EPAM AI/Run Developer Agent + GPT4o · AppMap Navie + GPT 4o (2024-05-13) · SWE-agent + GPT 4o (2024-05-13)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1346 | 223 | Overall, style control on; 112881 votes; 95% CI 1343–1350“gpt-4o-2024-05-13” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1336 | 239 | Overall, style control on; 45499 votes; 95% CI 1331–1340“gpt-4o-2024-08-06” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1162 | 102 | Overall, style control on; 23273 votes; 95% CI 1153–1171“gpt-4o-2024-05-13” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1118 | 126 | Overall, style control on; 3376 votes; 95% CI 1106–1131“gpt-4o-2024-08-06” | 官方榜单 | 2026年10月2日 |
| LiveCodeBench | 28.4% | 18 | Code generation, 182 problems dated 2025-01-01…2025-04-07“GPT-4O-2024-08-06” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 48.9% | 210 | Epoch AI run, accuracy; effort: May 2024 | 独立评测 | 2025年1月27日 |
| MMLU | 84.2% | 8 | Exact match; 5-shot; effort: May 2024 | 官方榜单 via Epoch AI | 2024年5月13日 |
| MMLU-Pro | 77.9% | 77 | Overall accuracy; data source: Self-Reported“GPT-4o (2024-11-20)” | 厂商自报 | 2026年3月11日 |
| MMLU-Pro | 72.5% | 93 | Overall accuracy; data source: TIGER-Lab“GPT-4o (2024-05-13)” | 官方榜单 | 2026年3月11日 |
| SWE-bench Verified | 38.8% | 85 | agent: Agentless-1.5“gpt-4o-2024-05-13” | 官方榜单 | 2024年10月28日 |
| SWE-bench Verified | 38.4% | 86 | agent: AutoCodeRover“gpt-4o-2024-05-13” | 官方榜单 | 2024年6月28日 |
| SWE-bench Verified | 32.6% | 91 | agent: MASAI“gpt-4o-2024-08-06” | 官方榜单 | 2024年6月12日 |
| SWE-bench Verified | 27.0% | 93 | agent: EPAM AI/Run Developer Agent“gpt-4o-2024-08-06” | 官方榜单 | 2024年10月16日 |
| SWE-bench Verified | 26.2% | 94 | agent: AppMap Navie“gpt-4o-2024-05-13” | 官方榜单 | 2024年6月15日 |
| SWE-bench Verified | 23.2% | 97 | agent: SWE-agent“gpt-4o-2024-05-13” | 官方榜单 | 2024年7月28日 |
| SWE-bench Verified | 21.6% | 100 | agent: mini-SWE-agent“gpt-4o-20241120” | 官方榜单 | 2025年7月20日 |
| AIME (OTIS Mock AIME 2024–2025) | 6.3% | 230 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: May 2024 | 独立评测 | 2025年2月25日 |
| MATH Level 5 | 51.0% | 59 | Epoch AI run, accuracy; effort: May 2024 | 独立评测 | 2025年1月27日 |
常见问题
GPT-4o (May 2024) 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、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。