OpenAI
GPT-4o (2024-11-20)
Датированная текстовая и визуальная версия GPT-4o от 20 ноября 2024 года.
- Вход
- 316,50 ₽
- Выход
- 1 266,00 ₽
- Кэш
- 158,25 ₽
- Интеллект
- 8,4
- Доступность
- 99,3%
openai/gpt-4o-2024-11-20Данные каталога получены .
Цена
- Текстовый диалог · вход
- 316,50 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 1 266,00 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 158,25 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
GPT-4o-2024-11-20 - отдельный снимок версии GPT-4o, перечисленный в официальном каталоге OpenAI. Модель принимает текст и изображения, выдаёт текст; аудио и видео для неё не поддерживаются.
- Релиз
Характеристики
- 7 октября: 99,4%99,4%7 октября
- 8 октября: 98,6%98,6%8 октября
- 9 октября: 100%100%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 128 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 16 384 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения
Контрольные показатели
Artificial Analysis
17 показателей · проверено
- Индекс интеллекта
- 8,4 индексСводная оценка Artificial Analysis по всем её тестам
Рассуждение по документу
- AA-LCR v1.149,3 %
Рассуждение на длинном контексте с обновлённой оценкой
Устаревшие тесты
- AA-LCR (версия не указана, архивный)49,3 %
Оценка рассуждений на длинном контексте
- GDPval-AA (версия не указана, архивный)0 %
Задачи с экономической ценностью
- GPQA Diamond (архивный)54,3 %
Научные рассуждения уровня выпускника
Знания
- AA-Omniscience · точность19,9 %
Доля вопросов с правильным ответом
- MMLU-Pro74,8 %
Профессиональные и академические предметные знания
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)37,9 %
Доля неверных ответов среди некорректных ответов
Математика
- AIME15 %
Американский пригласительный экзамен по математике
- Math-50075,9 %
Набор задач для проверки решения разнообразных математических задач
Рассуждения
- AIME 20256 %
- HLE2,4 %
Humanity’s Last Exam — вопросы экспертного уровня
Рассуждение
- CritPt0 %
Рассуждения по физике исследовательского уровня
- IFBench34,3 %
Тест на следование инструкциям
Программирование
- LiveCodeBench30,9 %
Бенчмарк по программированию без загрязнения данных
- Terminal-Bench Hard (архивный)8,3 %
Устаревший резервный вариант · Агентное программирование и работа в терминале
Агентная работа
- T²-Bench Telecom (архивный)25,1 %
Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "openai/gpt-4o-2024-11-20",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





