聪明世界#183
编程暂无
记性8K
便宜$60
记性换算成体感：一次只能读几千字
GPT 系列的文本模型 · 按发布时间
共 6 个 · OpenAI的全部模型 →他的房间
电脑
没有公开的编程评测成绩
书架
1 层 · 记忆 8K tokens
黑板
数学与科学推理
日历
知识停在 2023-11
门禁
闭源，权重不公开
身世
- 发布日期
- 2023 年 11 月 6 日models.dev
- 知识截止
- 2023-11
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 否
- 开源许可
- 暂无数据
- 上下文窗口
- 8K tokens
- 单次最大输出
- 8K
- 输入价格
- $30 / 百万 tokens
- 输出价格
- $60 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 是
- 深度思考
- 否
- 提示缓存
- 否
战绩
- 综合智力
- 125.9
- AIME 数学
- 1.1%
- GPQA Diamond 科学
- 42.4%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
没有查到这个模型的任何公开编程评测成绩。
这表示「没人公开测过它」，不表示「它不会写代码」——本站不会用估算值填补空缺。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力125.9第 183 / 208Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- AIME 数学1.1%第 189 / 191美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- MATH 五级40.0%第 75 / 91MATH 题库里难度最高的一档，高中竞赛水平。老榜单，顶尖模型早已接近满分。第三方实测https://epoch.ai/benchmarks/math-level-5
- GSM8K92.0%第 2 / 9小学应用题。早期用来测数学能力，如今顶尖模型全部接近满分，只对小模型还有区分度。第三方实测http://arxiv.org/abs/2303.08774
知识与推理
- GPQA 科学42.4%第 175 / 197博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- MMLU86.4%第 13 / 44横跨 57 个学科的大学水平选择题，曾是最通行的知识广度标尺。如今顶尖模型已接近饱和。第三方实测https://arxiv.org/pdf/2303.08774
- WeirdML12.4%第 134 / 146一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
- BIG-Bench Hard75.1%第 11 / 14从 BIG-Bench 里挑出的一批模型当年做不好的推理题。老榜单，参考意义有限。第三方实测http://arxiv.org/abs/2309.10305
- HellaSwag95.3%第 1 / 12给一段情景补上最合理的下一句，测常识推理。早期榜单，顶尖模型已接近满分。第三方实测http://arxiv.org/abs/2311.16867
- WinoGrande87.5%第 1 / 17指代消解的常识题（「它」指的是哪个？）。早期榜单，已经饱和。第三方实测https://arxiv.org/pdf/2303.08774
- TriviaQA84.8%第 4 / 14百科知识问答。早期榜单。第三方实测https://paperswithcode.com/sota/question-answering-on-triviaqa
智能体
- 独立工作时长5.4 分钟第 47 / 53METR 的时间跨度：模型能可靠独立完成的任务，换成人来做要花多久。单位是时间，越长说明能独立干越大的活。第三方实测https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
游戏与谜题
- 国际象棋残局4.0%第 121 / 156给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测https://epoch.ai/benchmarks/chess-puzzles
- 推理游戏谜题12.0%第 65 / 91Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测https://epoch.ai/benchmarks
其他
- Dtbench62.7%第 149 / 198Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca17.1%第 136 / 183Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca