相較于過去的GPT系列模型，GPT-4在更多應用L域成為專家，包括為機器學習模型評判標準和為人類設計的專業(yè)測試。

在為機器學習模型設計的傳統(tǒng)基準上，GPT-4的表現(xiàn)大大優(yōu)于了目前的好的語言模型，以及大多數(shù)SOTA模型

相較于GPT-3.5以及當前好的語言模型，GPT-4在機器學習模型學術基準數(shù)據(jù)集上的表現(xiàn)實現(xiàn)了全面突破，在7項數(shù)據(jù)集中的測試 均優(yōu)于當前優(yōu)的語言模型。除了在Drop基準數(shù)據(jù)集上與QDGAT模型有一定差距，GPT-4在其余6項基準數(shù)據(jù)集的測試都實現(xiàn)了當前 世界優(yōu)秀的性能。在MMLU數(shù)據(jù)集中，GPT-4不僅在英語語言上的性能實現(xiàn)了突破，在其他語言方面的表現(xiàn)也優(yōu)于現(xiàn)在的語言模型。

在為人類設計的各種專業(yè)測試和學術基準數(shù)據(jù)集中，GPT-4展現(xiàn)出媲美甚至優(yōu)于人類的水平。

GPT-3.5模型在一些相對簡單的人類專業(yè)測試中已經(jīng)展現(xiàn)出不錯的性能，但當任務的復雜度上升后，其便難以處理，而GPT-4模型在 一些相對困難的任務中也已經(jīng)取得相當優(yōu)異的性能，例如其在模擬律師考試中取得了應試者中前10%的成績，而GPT-3.5模型只有倒數(shù) 10%的成績，甚至在GPT-3.5難以處理的如AP Calculus BC（AP微積分）考試中，GPT-4的水平也已經(jīng)超過40%的應試者。