GPT-4o

Fiche modèle · OpenAI · gpt-4o-2024-05-13

GPT-4o ('o' for 'omni') is a multimodal AI model that accepts text, audio, image, and video inputs, and generates text, audio, and image outputs. It matches GPT-4 Turbo performance on text and code, with improvements in non-English languages, vision, and audio understanding.

Fiches modèles

Identité

Organisation	OpenAI
Pays	—
Famille	—
Type	llm
Date de sortie	2024-05-13
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	128 000
KV cache / token (Q8)	—
Paramètres totaux	≈ 100 B–400 B (estimation, confiance faible — https://epoch.ai/gradient-updates/frontier-language-models-have-become-much-smaller)
Paramètres actifs (session)	≈ 28 B–70 B (estimation, confiance très faible — https://gitlab.com/data-players/llm-stats-analysis/-/blob/main/docs/estimation-parametres-openai.md)
Source des paramètres actifs	https://gitlab.com/data-players/llm-stats-analysis/-/blob/main/docs/estimation-parametres-openai.md (estimation, confiance très faible)
Curation des paramètres actifs	2026-10-25
Prix par session	4.50 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
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)	37.79 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:33.835766Z
Mis à jour le	2026-11-04T06:04:59.843163Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-4o-2024-05-13

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

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 « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Microsoft Azure	llm-stats	non	2.50 $	10.00 $	—	—	0.54	92.0	active
OpenAI	llm-stats	non	2.50 $	10.00 $	—	—	0.50	100.0	active

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.80
legal	0.80
math	0.80
multimodal	0.60
physics	0.50
reasoning	0.80
finance	0.80
general	0.80
healthcare	0.80
biology	0.50
chemistry	0.50
code	0.90
vision	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
drop	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:59.846725Z
gpqa	reasoning	0.54	1.00	0.54	non	oui	2026-11-04T06:04:59.849969Z
humaneval	reasoning	0.90	1.00	0.90	non	oui	2026-11-04T06:04:59.853091Z
math	math	0.77	1.00	0.77	non	oui	2026-11-04T06:04:59.857864Z
mathvista	math	0.64	1.00	0.64	non	oui	2026-11-04T06:04:59.861318Z
mgsm	math	0.91	1.00	0.91	non	oui	2026-11-04T06:04:59.864488Z
mmlu	general	0.89	1.00	0.89	non	oui	2026-11-04T06:04:59.868535Z
mmlu-pro	language	0.73	1.00	0.73	non	oui	2026-11-04T06:04:59.871952Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	166	—	11.70	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