o1

OpenAI·2 个数据来源·更新于 2026-11-10

上下文窗口200KBenchLM

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

2 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

19 项已收录成绩 · 保留原始单位和测试条件

AIME 2024厂商自报 · 越高越好
74.3%

accuracy

成绩出处
FrontierMath厂商自报 · 越高越好
5.5%

pass@1

成绩出处
GPQA厂商自报 · 越高越好
78%

accuracy

成绩出处
GPQA Biology厂商自报 · 越高越好
69.2%

pass@1

成绩出处
GPQA Chemistry厂商自报 · 越高越好
64.7%

pass@1

成绩出处
GPQA Physics厂商自报 · 越高越好
92.8%

pass@1

成绩出处
GSM8k厂商自报 · 越高越好
97.1%

pass@1

成绩出处
HumanEval厂商自报 · 越高越好
88.1%

pass@1

成绩出处
LiveBench厂商自报 · 越高越好
67%

coding

成绩出处
MATH厂商自报 · 越高越好
96.4%

pass@1

成绩出处
MathVista厂商自报 · 越高越好
71.8%

pass@1

成绩出处
MGSM厂商自报 · 越高越好
89.3%

pass@1

成绩出处
MMLU厂商自报 · 越高越好
91.8%

pass@1

成绩出处
MMMLU厂商自报 · 越高越好
87.7%

accuracy

成绩出处
MMMU厂商自报 · 越高越好
77.6%

pass@1

成绩出处
SimpleQA厂商自报 · 越高越好
47%

accuracy

成绩出处
SWE-Bench Verified厂商自报 · 越高越好
41%

verified

成绩出处
TAU-bench Airline厂商自报 · 越高越好
50%

agents

成绩出处
TAU-bench Retail厂商自报 · 越高越好
70.8%

agents

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2024-12-17LLM Stats
上下文窗口
200K TokenBenchLM
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

暂无可核验的 API 报价。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM Statso1SHA-256 6ff10e27bdb0b4ca…2026-11-10T13:56:21Z查看来源
BenchLMo12026-11-10查看来源
继续浏览模型排行榜