GPT 4 Turbo
3378°
OpenAI | 128,000 令牌上下文 | 输入 $10.00/千，输出 $30.00/千。最新的 GPT-4 Turbo 模型，具备视觉能力。视觉请求现支持 JSON 模式和函数调用。训练数据截止至 2023 年 12 月。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
GPT-4 Turbo 是 OpenAI 的 128,000 令牌上下文模型，内置视觉能力，训练数据截止至 2023 年 12 月。它支持在同一次调用中处理文本和图像，视觉请求支持 JSON 模式和函数调用，方便从图像中结构化提取信息。价格为每百万输入令牌 10 美元，每百万输出令牌 30 美元，属于市场的高端产品。
以……著称
- 128,000 令牌的上下文窗口，适合长文档和长对话
- 内置视觉能力：发送图像即可获得结构化 JSON 或函数调用结果
- 复杂多步任务中可靠的指令遵循能力
- 文本和视觉请求均支持函数调用
注意
- 输出费用为每百万令牌 30 美元，长回复成本迅速累积。
- 权重封闭，仅限 API 使用，无法本地部署或自托管。
- 知识截止于 2023 年 12 月，之后的信息不知晓。
推荐尝试的提示词
从图像中提取结构化信息
我附上一张收据照片。请返回一个 JSON 对象，包含字段：vendor_name（商家名称）、date（日期）、line_items（条目数组，含描述和金额）、subtotal（小计）、tax（税额）、total（总计）。如果某字段不可见，请设为 null。
总结长文档
这是一个冗长的合同。请识别每方承担的五项最重要义务、任何终止条款，以及任何不寻常或潜在风险条款。请具体说明并引用相关条款编号。
构建函数调用代理步骤
你可以调用搜索和计算器功能。用户想知道以当前美国联邦基金利率计算，15000 美元复利 7 年（月复利）的金额。请规划调用哪些函数、顺序及参数。
与……比较
- GPT-6 Luna仅限API模型1,050,000 令牌上下文 · $0.10/M 输入，$0.50/M 输出
- GPT-5.6 Sol仅限API模型1,050,000 令牌上下文 · $4.00/M 输入，$20.00/M 输出
- GPT-6.1 Sol仅限API模型1,050,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
- GPT-6 Sol仅限API模型1,050,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
来自 openai 的更多文本模型
常见问题
- 我能本地运行 GPT-4 Turbo 吗？
- 不能。OpenAI 未发布权重，仅限 API 使用，模型运行在 OpenAI 基础设施上。
- GPT-4 Turbo 费用是多少，支持多长上下文？
- 费用为每百万输入令牌 10 美元，每百万输出令牌 30 美元，上下文窗口为 128,000 令牌。
- GPT-4 Turbo 与标准 GPT-4 有何不同？
- GPT-4 Turbo 增加了更大的 128,000 令牌上下文窗口，支持同次调用中的视觉输入，以及图像请求的 JSON 模式和函数调用，这些是原版 GPT-4 不具备的功能。
船长评语一款功能全面的模型，但每百万输出令牌 30 美元的价格意味着你应确认确实需要此档次后再使用。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
GPT 4 Turbo 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153