GPT-4o
GPT-4o ist OpenAIs multimodales Allround-Modell – ausgelegt auf schnelle, kosteneffiziente Nutzung über Text, Bild und Code hinweg. Es ist ausschließlich über die OpenAI-API verfügbar und eignet sich für ein breites Spektrum produktiver Anwendungen, von Analyse und Coding bis hin zu natürlicher Gesprächsführung.
- Proprietär
- Frontier
- API
- General
- Instruct
- Real-Time
Sovereign Risk: MEDIUM OpenAI ist ein US-amerikanisches Unternehmen, dessen Modellgewichte nicht öffentlich sind und dem CLOUD Act unterliegen, jedoch kein staatlich mandatierter Zugriff wie beim chinesischen NSL bekannt ist.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 69.43
- Routine
- 42.77
- Reasoning
- 26.66
- LLM Judge Avg
- 3.51 / 5
- 100% Coverage
- Avg Task Duration
- 4.41s
- Real-Time
- Token Rate
- 147.85tok/s
- Output Rate
- P95 Latency
- 9.58s
- Top 5 %
- Total Tokens
- 40.6K
- Output Volume
- Cost per 1K
- $0.01
- USD / 1K Requests
- Benchmark Cost
- $0.41
- Total · 40.6K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
GPT-4o
Bestes Modell
Ø Alle Modelle
Code Quality
70.1
CLI Benchmark
81.68
Logical Reasoning
66.04
UX Writing
62.55
Documentation
58.47
Content Transform.
78.3
Cultural Intelligence
75
Benchmark Cost
$0.41
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.