GPT-4o

Fiche modèle · OpenAI · gpt-4o-2024-08-06

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	2024-08-06
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	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
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	2026-05-07T16:53:33.863512Z
Mis à jour le	2026-11-04T06:04:59.883199Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-4o-2024-08-06

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 $	—	—	0.53	99.0	active
OpenAI	llm-stats	non	2.50 $	10.00 $	—	—	0.50	132.0	active

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.60
image_to_text	0.90
instruction_following	0.70
language	0.70
legal	0.80
long_context	0.60
math	0.50
multimodal	0.70
physics	0.70
reasoning	0.50
spatial_reasoning	0.40
structured_output	0.60
factuality	0.40
finance	0.80
frontend_development	0.30
general	0.50
healthcare	0.70
biology	0.70
chemistry	0.70
code	0.30
communication	0.50
tool_calling	0.50
vision	0.70
writing	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
activitynet	vision	0.62	1.00	0.62	non	oui	2026-11-04T06:04:59.889563Z
ai2d	vision	0.94	1.00	0.94	non	oui	2026-11-04T06:04:59.892560Z
aider-polyglot	general	0.31	1.00	0.31	non	oui	2026-11-04T06:04:59.896671Z
aider-polyglot-edit	general	0.18	1.00	0.18	non	oui	2026-11-04T06:04:59.905704Z
aime-2024	math	0.13	1.00	0.13	non	oui	2026-11-04T06:04:59.909039Z
chartqa	reasoning	0.86	1.00	0.86	non	oui	2026-11-04T06:04:59.912068Z
charxiv-d	reasoning	0.85	1.00	0.85	non	oui	2026-11-04T06:04:59.916612Z
charxiv-r	reasoning	0.59	1.00	0.59	non	oui	2026-11-04T06:04:59.920262Z
collie	language	0.61	1.00	0.61	non	oui	2026-11-04T06:04:59.931319Z
complexfuncbench	long_context	0.67	1.00	0.67	non	oui	2026-11-04T06:04:59.960801Z
docvqa	vision	0.93	1.00	0.93	non	oui	2026-11-04T06:04:59.964506Z
egoschema	vision	0.72	1.00	0.72	non	oui	2026-11-04T06:04:59.967971Z
erqa	vision	0.35	1.00	0.35	non	oui	2026-11-04T06:04:59.957515Z
gpqa	reasoning	0.70	1.00	0.70	non	oui	2026-11-04T06:04:59.971598Z
graphwalks-bfs-<128k	reasoning	0.42	1.00	0.42	non	oui	2026-11-04T06:04:59.975164Z
graphwalks-parents-<128k	reasoning	0.35	1.00	0.35	non	oui	2026-11-04T06:04:59.978966Z
humanity's-last-exam	reasoning	0.05	1.00	0.05	non	oui	2026-11-04T06:05:00.140133Z
ifeval	chat	0.81	1.00	0.81	non	oui	2026-11-04T06:04:59.982720Z
internal-api-instruction-following-(hard)	general	0.29	1.00	0.29	non	oui	2026-11-04T06:04:59.987349Z
mathvista	math	0.61	1.00	0.61	non	oui	2026-11-04T06:04:59.991437Z
mmlu	general	0.86	1.00	0.86	non	oui	2026-11-04T06:04:59.996285Z
mmlu-pro	language	0.75	1.00	0.75	non	oui	2026-11-04T06:05:00.001325Z
mmmlu	language	0.81	1.00	0.81	non	oui	2026-11-04T06:05:00.060224Z
mmmu	multimodal	0.72	1.00	0.72	non	oui	2026-11-04T06:05:00.072664Z
mmmu-pro	vision	0.60	1.00	0.60	non	oui	2026-11-04T06:04:59.951349Z
multi-if	chat	0.61	1.00	0.61	non	oui	2026-11-04T06:05:00.091310Z
multichallenge	chat	0.40	1.00	0.40	non	oui	2026-11-04T06:05:00.145662Z
openai-mrcr:-2-needle-128k	long_context	0.32	1.00	0.32	non	oui	2026-11-04T06:05:00.101557Z
simpleqa	factuality	0.38	1.00	0.38	non	oui	2026-11-04T06:05:00.106936Z
swe-bench-verified	reasoning	0.33	1.00	0.33	non	oui	2026-11-04T06:05:00.112509Z
swe-lancer	reasoning	0.33	1.00	0.33	non	oui	2026-11-04T06:05:00.121795Z
swe-lancer-(ic-diamond-subset)	reasoning	0.12	1.00	0.12	non	oui	2026-11-04T06:05:00.125770Z
tau-bench-airline	reasoning	0.43	1.00	0.43	non	oui	2026-11-04T06:05:00.131181Z
tau-bench-retail	chat	0.60	1.00	0.60	non	oui	2026-11-04T06:05:00.135302Z
tau2-airline	chat	0.46	1.00	0.46	non	oui	2026-11-04T06:04:59.934965Z
tau2-retail	communication	0.63	1.00	0.63	non	oui	2026-11-04T06:04:59.943120Z
tau2-telecom	communication	0.23	1.00	0.23	non	oui	2026-11-04T06:04:59.947249Z
videommmu	multimodal	0.61	1.00	0.61	non	oui	2026-11-04T06:04:59.954414Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	260	—	-0.67	5	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