GPT-4

Fiche modèle · OpenAI · gpt-4-0613

GPT-4 is a large multimodal model capable of processing both image and text inputs and generating human-like text outputs. It demonstrates human-level performance on various professional and academic benchmarks.

Fiches modèles

Identité

Organisation	OpenAI
Pays	—
Famille	—
Type	llm
Date de sortie	2023-06-13
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	8 192
KV cache / token (Q8)	—
Paramètres totaux	≈ 1.8 T (estimation, confiance moyenne — https://semianalysis.com/2023/07/10/gpt-4-architecture-infrastructure-training-dataset-costs-vision-moe/)
Paramètres actifs (session)	≈ 280 B (estimation, confiance moyenne — https://semianalysis.com/2023/07/10/gpt-4-architecture-infrastructure-training-dataset-costs-vision-moe/)
Source des paramètres actifs	https://semianalysis.com/2023/07/10/gpt-4-architecture-infrastructure-training-dataset-costs-vision-moe/ (estimation, confiance moyenne)
Curation des paramètres actifs	2026-10-25
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2022-12-31
Créé le	2026-05-07T16:53:33.353823Z
Mis à jour le	2026-11-04T06:04:59.098741Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-4-0613

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.90
legal	0.90
math	0.70
physics	0.40
reasoning	0.70
finance	0.90
general	0.70
healthcare	0.90
biology	0.40
chemistry	0.40
code	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
ai2-reasoning-challenge-(arc)	reasoning	0.96	1.00	0.96	non	oui	2026-11-04T06:04:59.103941Z
drop	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:04:59.107148Z
gpqa	reasoning	0.36	1.00	0.36	non	oui	2026-11-04T06:04:59.110200Z
hellaswag	reasoning	0.95	1.00	0.95	non	oui	2026-11-04T06:04:59.118689Z
humaneval	reasoning	0.67	1.00	0.67	non	oui	2026-11-04T06:04:59.122116Z
lsat	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:04:59.125322Z
math	math	0.42	1.00	0.42	non	oui	2026-11-04T06:04:59.130910Z
mgsm	math	0.74	1.00	0.74	non	oui	2026-11-04T06:04:59.144136Z
mmlu	general	0.86	1.00	0.86	non	oui	2026-11-04T06:04:59.148966Z
sat-math	math	0.89	1.00	0.89	non	oui	2026-11-04T06:04:59.153061Z
uniform-bar-exam	legal	0.90	1.00	0.90	non	oui	2026-11-04T06:04:59.158576Z
winogrande	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:04:59.163418Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	275	—	-5.23	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04