GPT-4 Turbo
GPT-4 Turbo est un LLM propriétaire d’OpenAI, publié le 9 avril 2024, avec des poids non ouverts. Avec près de deux ans d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, où les écarts de performance se creusent vite.
GPT-4 Turbo est un LLM propriétaire d’OpenAI, publié le 9 avril 2024, avec des poids non ouverts. Avec près de deux ans d’ancienneté, il appartient déjà à une génération ancienne à l’échelle de l’IA, où les écarts de performance se creusent vite.
Son intérêt historique tient à son positionnement haut de gamme de l’époque : une grande fenêtre de contexte, des connaissances arrêtées fin 2023 et un tarif premium nettement supérieur à la moyenne des LLM similaires. À sa sortie, il se situait dans le top 15% des LLM de sa génération sur GPQA diamond.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Licence | Proprietary (poids non ouverts) |
| Date de sortie | 9 avril 2024 |
| Connaissances jusqu'à | 2023-12-31 |
| Multimodal | non |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 100,0 % | 1ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 82,0 % | 162ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 78,5 % | 216ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 71,0 % | 82ᵉ / 252 | benchable | ✅ Mesuré |
| Epoch: MATH level 5 | 46,7 % | 49ᵉ / 84 | epoch | ✅ Mesuré |
| Epoch: GPQA diamond | 46,6 % | 90ᵉ / 132 | epoch | ✅ Mesuré |
| Epoch: OTIS Mock AIME 2024-2025 | 6,7 % | 86ᵉ / 111 | epoch | ✅ Mesuré |
| MGSM | 88,5 % | 10ᵉ / 30 | llm-stats | Auto-déclaré |
| HumanEval | 87,1 % | 29ᵉ / 65 | llm-stats | Auto-déclaré |
| MMLU | 86,5 % | 27ᵉ / 98 | llm-stats | Auto-déclaré |
| DROP | 86,0 % | 4ᵉ / 29 | llm-stats | Auto-déclaré |
| MATH | 72,6 % | 33ᵉ / 70 | llm-stats | Auto-déclaré |
| GPQA | 48,0 % | 163ᵉ / 213 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Ethics (Baseline)
Classements Arena (Elo)
| Catégorie | Elo | Rang |
|---|---|---|
| Arena Vision | 1112 | 99ᵉ |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| azure | 10 $ | 30 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 413 % au-dessus de la moyenne des LLM similaires, et 2,1 fois plus cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,42 $ |
| Latence moyenne par benchmark — Benchable | 4 min 04 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. GPT-4 Turbo ressortait surtout par sa fiabilité sur plusieurs tâches cadrées. Sur Benchable, il figure dans le top 10 en Hallucinations (Baseline), Ethics (Baseline) et Email Classification (Baseline), ce qui indique un très bon comportement sur la réduction d’erreurs factuelles, les réponses sensibles et le tri de courriels dans ce protocole. Sa fenêtre de contexte de 128 000 tokens constituait aussi un atout important pour traiter de longs documents ou des échanges volumineux. À sa sortie, son classement sur GPQA diamond le plaçait dans le haut du panier de sa génération, même si ce positionnement doit être lu dans le contexte des modèles disponibles autour de 2024.
Limites et points d'attention. GPT-4 Turbo est aujourd’hui un modèle ancien, probablement dépassé par des systèmes plus récents et souvent retiré du catalogue de l’éditeur. Ses résultats Benchable en Coding (Baseline), General Knowledge (Baseline) et Instruction Following (Baseline) sont nettement moins dominants que ses meilleurs scores, avec un profil plus irrégulier hors des tâches où il excelle. Son score Arena vision le situe loin des premiers modèles évalués sur ce terrain. Son coût reste un point faible concret : l’entrée et la sortie sont facturées à un niveau premium, environ 413% au-dessus de la moyenne des LLM similaires et environ 2,1 fois plus cher que les modèles frontière déjà comparés dans la section Tarifs.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).