GPT-4 Turbo Vision
MODEL PROFILE模型资料Microsoft Azure · 2023-11-06 发布 · gpt 家族 · 2 家平台收录
资料长期未更新
返回厂商
GPT-4 Turbo Vision 是微软 Azure 上提供的 gpt 系列多模态模型，接受文本与图片输入并输出文本，面向需要在云端完成图文理解、长文档处理和工具调用的企业与开发者。
模型介绍
GPT-4 Turbo Vision 属于 gpt 系列，2023 年 11 月 6 日发布，知识截止到 2023 年 11 月，权重闭源。它要解决的核心问题是：让原本只处理文本的业务流程直接接收图片。模型支持 128000 tokens 的上下文窗口，单次最多输出 4096 tokens，输入模态为文本与图片，输出为文本，并提供工具调用、附件输入和温度调节等接口能力。对开发者而言，它更像是一种接入方式：把视觉理解放进既有的文本工作流，而不必单独部署一套图像识别链路。官方定价为输入 10 美元、输出 30 美元每百万 tokens，在本站收录的同类 Azure 模型中属于高价档，因此更适合对结果稳定性与多模态整合度有要求、而非以成本为第一优先的场景。
选型建议已在 Azure 体系内、需要图文混合理解与长上下文且能接受高单价的场景值得选；预算敏感、需要长文本输出或最新知识时，先看更低价同类模型。
关键指标
适用场景
- 解析产品截图、图表或扫描件，输出结构化的文字摘要
- 在 Azure 环境中搭建支持图片上传与工具调用的客服问答
- 把长文档与配图一起放入 128K 上下文做一次性比对
- 对图文素材做多轮追问式信息抽取与核对
- 为内部知识库补充图片内容的文字描述与标签
暂无：许可证、参数规模、缓存读价、缓存写价、推理、结构化输出（上游未公开，本站不估算）。 资料已 937 天没更新，规格与价格可能已变；发布 1092 天。
规格与能力
上面没列到的字段以 gpt 系列的文本生成能力为基础，叠加图像输入支持；官方未公开参数规模和训练结构的细节。
- 结构沿用 gpt 系列的自回归文本解码方式，图片以附件形式与文本一起进入同一上下文，输出仍为纯文本。
- 能力128K 上下文足以容纳长文档或多轮图文对话，单次输出限制为 4096 tokens，并支持工具调用与温度调节。
- 披露权重闭源，参数量、训练数据构成均未公开，可确认的只有上下文长度、模态和接口级能力。
- 开源权重
- 否
- 模型家族
- gpt
- 许可证
- —
- 参数规模
- —
能力
工具调用附件温度调节
性能表现
本站未收录该模型的公开跑分，以下仅依据接口能力与同类定位做定性判断。
- 强项图文混合理解与工具调用是主要卖点，128K 上下文适合把长文档和截图放进同一次请求里处理。
- 短板单次输出 4096 tokens，生成长篇报告或大段代码需要多轮追加；知识截止 2023 年 11 月，时效性问题需外部检索补足。
- 适合已有文本流程、想低成本接入视觉理解且看重接口稳定性的工程场景，比另建一条图像识别链路更省事。
价格与性价比
结合各平台报价与同类对比官方定价为输入 10 美元、输出 30 美元每百万 tokens，在本站收录的 Azure 同类模型中处于最高一档。
- 定位高价档多模态模型，输出价是输入价的三倍，成本结构上更鼓励压缩生成长度而非压缩输入长度。
- 横向对比对比列表中 Mistral Small 3.1、Grok 4.1 Fast、Phi-4-mini-reasoning 相对本模型的输入价差都在 -98% 以上，Codex Mini 也低约 -85%，溢价非常明显。
- 平台差价收录的 models.dev 与其 azure 条目报价完全一致，输入 10、输出 30，缓存读价格未提供，两个渠道之间没有价差可套利。
- 省钱先用低价小模型做图片或文档的初筛与粗提取，再把精简后的内容交给它做最终推理，能明显压低总 token 支出。
平台报价对比
2 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| models.dev | $10/M | $30/M | — | 0.0% |
| models.dev · azure 另有 1 家同价 | $10/M | $30/M | — | 0.0% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $10/M / $30/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Mistral Small 3.1 | 128K | $0.1/M | $0.3/M | -99.0% | — |
| Grok 4.1 Fast (Non-Reasoning) | 128K | $0.2/M | $0.5/M | -98.0% | — |
| Phi-4-mini-reasoning | 128K | $0.075/M | $0.3/M | -99.2% | — |
| Embed v4 | 128K | $0.12/M | 免费 | -98.8% | — |
| Codex Mini | 200K | $1.5/M | $6/M | -85.0% | — |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 GPT-4 Turbo Vision 的常见问题
5 条GPT-4 Turbo Vision 的 API 价格是多少？
当前收录的官方口径价格为输入 $10/M、输出 $30/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
GPT-4 Turbo Vision 支持多长的上下文？
资料显示上下文窗口 128K（128,000 tokens），单次最大输出 4.1K。实际可用长度还取决于调用平台的限制。
GPT-4 Turbo Vision 是开源模型吗？
GPT-4 Turbo Vision 为闭源模型，只能通过官方 API 或官方授权的平台调用，无法自行下载权重。
GPT-4 Turbo Vision 支持哪些能力？
按当前资料，GPT-4 Turbo Vision 支持工具调用、附件、温度调节。输入输出模态为 文本+图片 → 文本。
GPT-4 Turbo Vision 可以在哪些平台调用？
当前资料显示该模型被 2 家 provider 或网关收录。本站核对的数据来源包括 models.dev。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
使用注意
- 口径本站无该模型的公开跑分，能力判断只能依据接口规格和定价，不能等同于实际效果排序。
- 边界闭源不可自托管，知识截止 2023 年 11 月，单次输出上限 4096 tokens，超长生成和最新信息需求都要外部方案兜底。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
