Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

OpenAI · pașaport de model

OpenAI: o1

o1
  • Doar în cloud
  • Licență Proprietary
  • 200,000 context
  • Lansat 2024-12-05(curatoriat)
15/27axe acoperite
General · LMArena
1,402#145 din 396
Cea mai bună percentilă
87.3MMLU-Pro (Artificial Analysis)
Poziția în cohortă
57.7mediană 41.3

Ce spun datele

Evaluat pe 15 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

  • 87.3 pct — MMLU-Pro (Artificial Analysis) (84.1%)
  • 86.9 pct — LiveBench (72.2%)

Neuniform: 61,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 87.3 pct pe MMLU-Pro (Artificial Analysis) față de 26.1 pct pe Humanity's Last Exam.

  • MMLU-Pro (Artificial Analysis)87.3 pct84.1%Verifică →
  • LiveBench86.9 pct72.2%Verifică →
  • IFBench (Artificial Analysis)82.4 pct70.3%Verifică →
  • LiveCodeBench (Artificial Analysis)73.3 pct67.9%Verifică →
  • Urmarea instrucțiunilor69.4 pct1,407Verifică →
  • General63.6 pct1,402Verifică →
  • Prompturi dificile61.9 pct1,418Verifică →
  • GPQA Diamond57.5 pct76.8%Verifică →
  • Programare57.5 pct1,433Verifică →
  • AIME (matematică)54.5 pct73.3%Verifică →
  • SimpleQA Verified46.3 pct41.1%Verifică →
  • FrontierMath44.9 pct9.3%Verifică →
  • Vision Arena43.3 pct1,193Verifică →
  • SimpleBench33.3 pct40.1%Verifică →
  • Humanity's Last Exam26.1 pct8.0%Verifică →
  • WebDev ArenaNeevaluat
  • Factuality ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • ARC-AGI-2Neevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • Halucinații HHEM (Vectara)Neevaluat
  • SWE-bench VerifiedNeevaluat
  • Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Folosește-l găzduit

ID de model APIopenai/o1
Lungime context200,000 tokeni
Ieșire maximă100,000 tokeni
Acceptătext, image, file
Preț intrare$15 per 1M tokeni
Preț intrare din cache$7.50 per 1M tokeni
Preț ieșire$60 per 1M tokeni

Parametri API acceptați de acest endpoint

Include reasoningMax tokensReasoningResponse formatSeedStructured outputsTool choiceTool calling

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"openai/o1","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

  • o1-2024-12-17 stands at 57.7 (raw mean 59.2) — measured on 15 of 27 axes.

    pozițieșablonVerifică →

  • o1-2024-12-17 stands at 57.7 versus a cohort median of 41.3 across 137 models released within 180 days — above the peer median.

    cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →