GPT-5

OpenAI · 发布于 2025-08-07

评分规则

编程、专业办公、知识问答证据不足

综合评分47.3未进入主榜 · 覆盖 35%评测较少（7/18）

编程42.1未进入分榜 · 覆盖 25%评测较少（1/4）单一机构

专业办公53.5未进入分榜 · 覆盖 25%评测较少（1/4）单一机构

知识问答51.1未进入分榜 · 覆盖 33%评测较少（1/3）单一机构

科研50.0第 50 名 · 覆盖 50%评测较少（3/6）单一机构

上下文窗口

400,000 token

API 价格

缓存 ¥0.84 · 输入 ¥8.36 · 输出 ¥66.86

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

7 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-06-10 至 2026-10-13；另有 3 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（3）

openai/gpt-5-2025-08-07
gpt-5-2025-08-07_high
gpt-5-chat

编程

42.1

Vibe Code Bench v1.1Vals AI20.09%统一读数 29.9

来源: Vibe Code Bench v1.1
上游型号: openai/gpt-5-2025-08-07
运行配置: high · OpenHands · 输出上限 128000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

科研

50.0

FrontierMath T1–3 v2Epoch AI55.44%统一读数 48.3

来源: FrontierMath T1–3 v2
上游型号: gpt-5-2025-08-07_high
运行配置: gpt-5-2025-08-07_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-06-10
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Chess PuzzlesEpoch AI36.00%统一读数 55.3

来源: Chess Puzzles
上游型号: gpt-5-2025-08-07_high
运行配置: gpt-5-2025-08-07_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Mystery Game PuzzlesEpoch AI23.00%统一读数 50.4

来源: Mystery Game Puzzles
上游型号: gpt-5-2025-08-07_high
运行配置: gpt-5-2025-08-07_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-05
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

专业办公

53.5

MedCodeVals AI49.63%统一读数 64.6

来源: MedCode
上游型号: openai/gpt-5-2025-08-07
运行配置: high · Vals one-shot 统一流程 · 输出上限 30000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-13 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

知识问答

51.1

SimpleQA VerifiedEpoch AI50.10%统一读数 57.0

来源: SimpleQA Verified
上游型号: gpt-5-2025-08-07_high
运行配置: gpt-5-2025-08-07_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

真人偏好

42.2

Arena Text · 风格控制Arena1426.35 Elo统一读数 32.4

来源: Arena Text · 风格控制
上游型号: gpt-5-chat
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（11）

LiveBench Coding、LiveBench Reasoning、LiveBench Data Analysis、LiveBench Language、LiveBench IF、Terminal-Bench 4.0、Code Migration、MysteryMechanism、Terminal-Bench-Science、Finance Agent (v2)、Harvey's Legal Agent Benchmark

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。