OpenAI

o1 评测成绩

来自 2 个来源、6 项基准的 11 条成绩。

闭源发布: 2024年12月17日更新于 2026年10月22日 API 价格与规格 →

其他名称: o1-2024-12-17 · o1-2024-12-17_low · o1 (low) · o1-2024-12-17_high · o1 (high) · o1-2024-12-17_medium · o1 (medium) · o1-2024-12-17_unknown · o1 (unknown thinking) · o1 (December 2024)

全部评测成绩

基准	分数	名次	设定	来源类型	日期
LMArena Text	1402	156	Overall, style control on; 27807 votes; 95% CI 1398–1407“o1-2024-12-17”	官方榜单	2026年10月8日
LMArena Vision	1193	90	Overall, style control on; 3694 votes; 95% CI 1182–1204“o1-2024-12-17”	官方榜单	2026年10月2日
GPQA Diamond	76.8%	129	Epoch AI run, accuracy; effort: high	独立评测	2025年2月13日
GPQA Diamond	75.8%	135	Epoch AI run, accuracy; effort: medium	独立评测	2025年1月27日
GPQA Diamond	74.2%	145	Epoch AI run, accuracy; effort: low	独立评测	2026年7月20日
AIME (OTIS Mock AIME 2024–2025)	73.3%	120	Epoch AI run, OTIS Mock AIME 2024–2025; effort: high	独立评测	2026年7月15日
AIME (OTIS Mock AIME 2024–2025)	73.3%	120	Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium	独立评测	2025年2月27日
AIME (OTIS Mock AIME 2024–2025)	53.3%	161	Epoch AI run, OTIS Mock AIME 2024–2025; effort: low	独立评测	2026年7月15日
MATH Level 5	94.7%	17	Epoch AI run, accuracy; effort: high	独立评测	2025年2月13日
MATH Level 5	94.4%	18	Epoch AI run, accuracy; effort: medium	独立评测	2025年1月27日
Humanity's Last Exam	8.0%	39	Compiled by Epoch AI; effort: unknown thinking	第三方汇编 via Epoch AI	2024年12月17日

← AI 模型评测

常见问题

o1 的这些评测分数来自哪里？

来自 Epoch AI Benchmarking Hub和LMArena leaderboard dataset。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。