GPT-5 评测详情
GPT-5 当前已收录的代表性评测结果包括 LiveBench（1 / 52，得分 79.33）、AIME2025（9 / 106，得分 99.60）、IMO-ProofBench（2 / 16，得分 59）。本页还提供与 2 个竞品模型及 3 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。
评测结果
GPT-5
评测结果
竞品对比
GPT-5 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；具体模式明细请看下方表格。
评测得分对比
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | GPT-5当前 | Claude Opus 4 | Gemini 2.5-Pro |
|---|---|---|---|
ARC-AGI 综合评估 | 65.70思考水平·高 | 35.70常规模式 | 37.00开启思考 |
ARC-AGI-2 综合评估 | 9.90思考水平·高 | 8.60常规模式 | 4.90开启思考 |
GPQA Diamond 综合评估 | 87.30开启思考 ｜ 工具 | 79.60常规模式 | 86.40开启思考 |
HLE 综合评估 | 35.20开启思考 ｜ 工具 | 10.70常规模式 | 21.60开启思考 |
LiveBench 综合评估 | 79.33思考水平·高 | -- | 71.92开启思考 |
SWE-bench Verified 编程与软件工程 | 72.80思考水平·高 | 72.50常规模式 | 67.20开启思考 |
AIME2025 数学推理 | 99.60开启思考 ｜ 工具 | 75.50常规模式 | 88.00开启思考 |
FrontierMath 数学推理 | 26.30思考水平·高 ｜ 工具 | 4.50常规模式 | 11.00常规模式 |
12.50思考水平·高 | 4.20开启思考 | 4.20常规模式 | |
IMO 2024 数学推理 | 11.00开启思考 | -- | 19.00开启思考 |
IMO 2025 数学推理 | 29.00开启思考 | -- | 15.20开启思考 |
IMO-ProofBench 数学推理 | 59.00开启思考 | 2.90开启思考 | 55.20开启思考 |
其余 8 个 benchmark 仍可在上方图表中查看。
GPT-5 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
GPT-5
标准输入: 1.25 美元/100 万tokens
标准输出: 10 美元/100 万tokens
Claude Opus 4
标准输入: 15 美元/ 100万tokens
标准输出: 75 美元/100万tokens
Gemini 2.5-Pro
标准输入: 1.25 美元/100 万tokens
标准输出: 10 美元/100 万tokens
标准价适用于 <= 200K
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5 | — | 1.25 美元/100 万tokens | 10 美元/100 万tokens | — |
Claude Opus 4 | — | 15 美元/ 100万tokens | 75 美元/100万tokens | — |
Gemini 2.5-Pro | — | 1.25 美元/100 万tokens | 10 美元/100 万tokens | <= 200K |
历代版本对比
GPT-5 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；具体模式明细请看下方表格。
评测得分对比
9 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | GPT-5当前 | GPT-4.5 | GPT-4.1 | GPT-4o(2025-03-27) |
|---|---|---|---|---|
ARC-AGI 综合评估 | 65.70思考水平·高 | -- | -- | 8.80常规模式 |
GPQA Diamond 综合评估 | 87.30开启思考 ｜ 工具 | 71.40常规模式 | 66.30常规模式 | 66.90常规模式 |
HLE 综合评估 | 35.20开启思考 ｜ 工具 | -- | 3.70常规模式 | -- |
SWE-bench Verified 编程与软件工程 | 72.80思考水平·高 | 38.00常规模式 | 54.60常规模式 | -- |
AIME2025 数学推理 | 99.60开启思考 ｜ 工具 | -- | 36.70常规模式 | 26.70常规模式 |
FrontierMath 数学推理 | 26.30思考水平·高 ｜ 工具 | -- | 5.50常规模式 | -- |
12.50思考水平·高 | -- | 0.01常规模式 | -- | |
Simple Bench 常识推理 | 56.70思考水平·高 | 34.50常规模式 | 27.00常规模式 | -- |
τ²-Bench Agent能力评测 | 80.00开启思考 ｜ 工具 | -- | 54.70常规模式 ｜ 工具 | -- |
单评测历史趋势图
当前查看：ARC-AGI · 综合评估
选择评测
GPT-5 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
GPT-5
标准输入: 1.25 美元/100 万tokens
标准输出: 10 美元/100 万tokens
GPT-4.1
标准输入: 2 美元/100万 tokens
标准输出: 8 美元/100万 tokens
GPT-4o(2025-03-27)
标准输入: 2.5 美元/100万 tokens
标准输出: 10 美元/100万 tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5 | — | 1.25 美元/100 万tokens | 10 美元/100 万tokens | — |
GPT-4.1 | — | 2 美元/100万 tokens | 8 美元/100万 tokens | — |
GPT-4o(2025-03-27) | — | 2.5 美元/100万 tokens | 10 美元/100万 tokens | — |