Naar inhoud
Tier C — Specialist
Draait in:USGemaakt in:United States

Gearchiveerd

Dit model is door de aanbieder uit productie genomen. Historische data blijft bewaard.

Niet meer beschikbaar sinds 1 augustus 2026.

OpenAI

gpt-4-0613

Tier C — Specialist

Tokonomix-redactie·Gecontroleerd door Mes Kalkan··

GPT-4-0613 is een groot taalmodel ontwikkeld door OpenAI, uitgebracht in juni 2013 zoals aangegeven door de datum-identifier. Dit model vertegenwoordigt OpenAI's vierde-generatie GPT (Generative Pre-trained Transformer) architectuur en is ontworpen voor algemene taken op het gebied van natuurlijke taalbegrip en -generatie. Het kan mensachtige tekst verwerken en genereren voor een breed scala aan toepassingen, waaronder conversatie, contentcreatie, analyse, programmeerassistentie en complexe redeneertaken. Het model bouwt voort op de transformer-architectuur met aanzienlijk verbeterde mogelijkheden vergeleken met zijn GPT-3.5 voorgangers. GPT-4-0613 toont verbeterde prestaties op gebieden zoals feitelijke nauwkeurigheid, redeneervermogen en het volgen van instructies. Het verwerkt alleen tekstinvoer en genereert tekstuitvoer, waardoor het geschikt is voor standaard tekstgeneratie-workflows. Het model is getraind op diverse internettekstdata en verfijnd met reinforcement learning from human feedback (RLHF) om beter aan te sluiten bij gebruikersintenties en veiligheidsrichtlijnen. Binnen OpenAI's modelaanbod behoort GPT-4-0613 tot de eerdere stabiele releases van de GPT-4-familie. Als snapshot-model met een vaste versie-identifier vertoont het consistent gedrag over tijd, waardoor het geschikt is voor toepassingen die reproduceerbare outputs vereisen. OpenAI heeft sindsdien opeenvolgende GPT-4 iteraties uitgebracht met diverse verbeteringen, maar de 0613-versie blijft beschikbaar voor gebruikers die stabiliteit nodig hebben of hun toepassingen tegen dit specifieke controlepunt hebben gevalideerd.

GPT-4-0613 vertegenwoordigt de eerste stabiele snapshot uit de GPT-4-familie en biedt betrouwbare prestaties voor productieworkflows die consistentie vereisen.

Tokonomix model-analyse
Sectie 01

Snelheidsanalyse

Latency gemeten over alle benchmark-runs. P50 (mediaan) en P95 (95e percentiel) geven een realistisch beeld van de responssnelheid onder normale en piekbelasting.

P50 latency (mediaan)P95 latency96 runs
501170929184126533408-2209-14ms
Sectie 02

Kwaliteitsscores

Hoe dit model zich per promptcategorie verhoudt tot de rest van het veld, uit een paarsgewijze berekening over dezelfde prompts. Het ruwe jurycijfer staat onder elk getal.

45%
Code generatie
jurygemiddelde 95
53%
Creatief
jurygemiddelde 91
37%
Feitelijk
jurygemiddelde 81
48%
Meertaligheid
jurygemiddelde 93
56%
Redeneren
jurygemiddelde 92
51%
Zorg
jurygemiddelde 81

Winstpercentage per categorie: hoe vaak dit model een gemiddeld model verslaat op een prompt uit die categorie. 50% is gemiddeld, geen onvoldoende. Het is geen percentage goede antwoorden.

Sectie 03

Prijzen

Wat je per miljoen tokens betaalt als je dit model via Tokonomix gebruikt, plus een schatting voor een gemiddeld gesprek.

💰
API-tarieven — gpt-4-0613
$39.00 per 1M input-tokens
$78.00 per 1M output-tokens
≈ $0.0390 per typisch gesprek (800 tokens)
Input vs output prijs (per 1M tokens)
per 1M input-tokens$39.00
per 1M output-tokens$78.00
Sectie 04

Tokens per seconde

Doorvoersnelheid in tokens per seconde, afgeleid uit gemeten P50-latency. Hogere waarden zijn beter; fluctuaties weerspiegelen serverbelasting bij de provider.

Doorvoer (tokens / s)216 / avg 240
39596

Geschat uit P50-latency × 200 output-tokens — het absolute getal hangt af van deze aanname; de trend is wat telt.

Sectie 05

Sterke & zwakke punten

Gebaseerd op benchmark-resultaten en geaggregeerde community-feedback over echte use-cases.

Sterke punten

Consistente output door vaste snapshotSterke redeneer- en redactievaardighedenUitstekend instructie-volgend gedragHogere feitelijke nauwkeurigheid dan GPT-3.5Geschikt voor reproduceerbare workflowsGoede ondersteuning voor code-assistentieBreed toepassingsgebied voor NLP-takenRLHF-training voor betere afstemming

Zwakke punten

Kenniscutoff van vóór juni 2023Nieuwere GPT-4-versies zijn beschikbaarAlleen tekstinvoer, geen multimodale mogelijkhedenLangzamere responstijden dan kleinere modellen
Sectie 06

Mogelijkheden

toolssource: litellmprompt cachingmax output tokens: 4096
Sectie 07

Veelgestelde vragen

De 0613-snapshot biedt gedragsstabiliteit voor applicaties die al zijn gevalideerd met deze versie. Teams die reproduceerbare outputs nodig hebben voor compliance of testing profiteren van het feit dat het modelgedrag niet onverwacht verandert.

Voor teams die een gevalideerde, stabiele GPT-4-versie nodig hebben met voorspelbaar gedrag, blijft 0613 een solide keuze ondanks de komst van nieuwere varianten.

Tokonomix redactie
Sectie 08

Beschikbaarheid

Beschikbaarheid

Nog geen meetdata

Er zijn nog niet genoeg API-aanroepen geregistreerd om beschikbaarheidsstatistieken voor dit model te tonen. Data verschijnt zodra het model live verkeer ontvangt.

Sectie 09

Tokonomix benchmark-oordelen

⚖️
Endorsed by 2 judges
Independent LLM judges evaluated this model on our weekly intelligence tests
cohere/command-a100/100 · 1 runs
1 correct0 partial0 wrong100% accuracy
claude-sonnet-4-590/100 · 146 runs
118 correct21 partial7 wrong81% accuracy
2026-09-13

Significant quality degradation detected across multiple categories

GPT-4-0613 has experienced a substantial decline in performance during the current benchmark window, with the overall quality score dropping from 92.0 to 71.2 points, representing a 20.8-point decrease. The model now shows highly uneven category performance, with reasoning capabilities remaining strong at 92 points while factual accuracy has fallen dramatically to 53 points and coding performance has declined to 69 points. This contrasts sharply with the previous window where the model maintained consistent scores of 92 across multilingual, coding, and creative categories. The latency has improved slightly from 5011ms to 4842ms at the median, suggesting some infrastructure optimizations may have been implemented. However, this minor speed improvement does not compensate for the significant quality regression. Users should be aware that this version may struggle particularly with factual queries and could produce less reliable results in coding tasks compared to the previous benchmark period. The reasoning category remains the model's strongest area, but the overall inconsistency in performance suggests potential issues with model configuration or deployment that warrant investigation.

Kwaliteit

71.2

Latency p50

4,842 ms

Testruns

5

Quality dropped 20.8 points Factual accuracy severely degraded Reasoning performance remains strong Latency improved slightly
Sectie 10

Volledig modelprofiel

gpt-4-0613 — illustration 1
gpt-4-0613: de GPT-4-snapshot van juni 2023

gpt-4-0613 is de gedateerde snapshot van OpenAI's oorspronkelijke GPT-4 van 13 juni 2023. De release is ouder dan de GPT-4 Turbo-generatie, ouder dan GPT-4o, ouder dan vrijwel alles wat de huidige OpenAI-productlijn definieert. Het is een van de langstlopende vaste identifiers in productie vandaag de dag, behouden omdat sommige werklasten in 2023 vastgepind werden en nooit meer zijn verplaatst.

De identifier is nog steeds oplosbaar. Het zou echter niet het model moeten zijn voor welke nieuwe implementatie dan ook.

Waarom deze snapshot bestaat

De release van 13 juni 2023 was de OpenAI-update die function calling introduceerde in de GPT-4-familie. Voor die release vereiste het verkrijgen van gestructureerd tool-call-gedrag uit GPT-4 prompt-engineering en fragiele parsing. De juni-update voegde native function-calling-ondersteuning toe met een toegewijde request-vorm — hetzelfde aanroeppatroon dat elk volgend OpenAI-model sindsdien heeft voortgezet.

Die ene wijziging is de reden waarom deze snapshot zo'n zwaarwegend gewicht heeft in de geschiedenis van de API-economie. De eerste generatie agent-frameworks, tool-gebruikende assistenten en gestructureerde output-pipelines werden specifiek gebouwd tegen gpt-4-0613. De vastgepinde identifier bewaarde het exacte gedrag waarvoor die frameworks waren ontworpen, en een niet-triviaal aantal daarvan draait vandaag nog steeds.

Wat er in deze snapshot zit

De volledige GPT-4-capaciteiten zoals die in juni 2023 bestonden. Een contextvenster van 8.192 tokens. Tekstinvoer en -uitvoer, geen vision, geen audio. Het oorspronkelijke native function-calling-gedrag, met de schema-discipline die een stap vooruit was ten opzichte van prompt-engineered tool-gebruik maar ver onder wat latere modellen zouden uitbrengen als strikte gestructureerde outputs. Hetzelfde Chat Completions API-oppervlak dat intact overleefde door elke volgende generatie.

Wat niet in deze snapshot zit, is alles wat daarna kwam. Geen vision-input — dat arriveerde in latere GPT-4 Turbo-updates. Geen JSON-modus — dat kwam met de release van november 2023. Geen parallelle function calling, geen seed-parameter voor reproduceerbaarheid, geen van de structured-outputs-strictheid die gedurende 2024 landde. Geen 4o multimodaal oppervlak, uiteraard.

Het modelgedrag is GPT-4-generatie. Redeneren dat frontier-class was medio 2023, afwijzingskalibratie die conservatiever is dan bij huidige modellen, feitelijkheid die retrieval-augmentation nodig had bij feitelijke trajecten.

Waarom teams aan 0613 vastpinden

Drie redenen verklaren bijna alle overgebleven pins.

Ten eerste, agent-frameworks gebouwd rond het oorspronkelijke function-calling-gedrag. De specifieke manier waarop de juni-snapshot besloot wanneer een tool aangeroepen moest worden, hoe het multi-step-calls ordende, welke argumenten het produceerde bij dubbelzinnige prompts — dit alles was het substraat waarop de eerste generatie agent-frameworks groeide. Frameworks die afgestemd waren op dat gedrag kunnen zichtbaar regresseren op nieuwere snapshots, zelfs wanneer de nieuwe snapshots "objectief beter" zijn in benchmarks.

Ten tweede, compliance-goedkeuringen uit 2023 die deze exacte identifier benoemden. De juni-snapshot was de aanbevolen GPT-4 voor enterprise-inkoop gedurende het grootste deel van eind 2023, en auditcycli die daartegen voltooid werden in die periode verankeren nog steeds sommige gereguleerde workflows.

Ten derde, eval-reproduceerbaarheid. Onderzoeks- en benchmarking-werk uit 2023 dat GPT-4 gebruikte, refereert vaak naar de 0613-snapshot, of het paper dat nu expliciet zegt of niet. De pin laat historische cijfers reproduceerbaar blijven.

Wat de deprecatiekalender betekent

De juni 2023-snapshot is de oudste gedateerde GPT-4 die nog routinematig beschikbaar is. OpenAI's typische deprecatiehorizon voor gedateerde snapshots loopt van twaalf tot achttien maanden na release. Deze snapshot zit comfortabel voorbij het late einde van dat venster.

Het feit dat hij nog steeds antwoordt, is deels een functie van het volume productieverkeer dat er nog steeds van afhankelijk is. OpenAI is zichtbaar geduldig geweest met het deprecaten van snapshots waar high-volume-klanten nog steeds vanaf serveren. Dat geduld is niet onbeperkt.

Plan de migratie voordat de deprecatie-e-mail arriveert. Merk op dat het migratiedoel vrijwel nooit een andere GPT-4-snapshot is — de juiste zet is naar een nieuwere familie. Het architecturele werk om een agent-framework van het 0613-calling-gedrag af te halen is niet triviaal, maar het is begrensd; het werk om dit onder deprecatiedruk te doen is duurder.

Migratie

Voor agent-frameworks die vastgepind zijn aan 0613 function-calling-gedrag is de gedragsmatig meest vergelijkbare opvolger GPT-4 op de floating tag, die de brede calling-stijl heeft voortgezet met kleine incrementele verbeteringen. De vooruitkijkende zet is naar GPT-4o of GPT-4.1, die strikte gestructureerde outputs hebben die vaak de framework-code vereenvoudigen door failure modes te verwijderen waar het oorspronkelijke calling-patroon omheen werkte.

Voor compliance-vastgepinde werklasten is de re-auditcyclus onderdeel van de migratiekosten. Start dat gesprek met auditors voordat de deprecatiedatum wordt aangekondigd.

Voor onderzoeksreproduceerbaarheid-vastgepinde werklasten is het praktische antwoord om baseline-cijfers tegen een huidig model te publiceren naast de historische cijfers, en vervolgens de productiepipeline te laten transiteren. De historische resultaten blijven reproduceerbaar tegen gearchiveerde snapshots en opgenomen outputs; live-systemen draaien tegen actuele weights.

Voor het floating GPT-4-oppervlak, zie GPT-4. Voor de bredere OpenAI-productlijn, zie GPT-4.1.

Wat vandaag te doen

Als gpt-4-0613 nog steeds vastgepind is in uw stack, dan is het audit-en-migreer-werk achterstallig.

Ten eerste, vind elke call-site. Documenteer waarom de pin bestaat — agent-framework, compliance, onderzoek — en gebruik die context om het migratiedoel te bepalen.

Ten tweede, voer een echte eval uit tegen het kandidaat-doelmodel. Nieuwere modellen hebben vaak andere prompts nodig, en de gedragsdelta tussen 0613 en een huidig model is groot genoeg dat de migratie oprecht een project is, geen tag-swap.

Ten derde, plan de cutover weloverwogen. De juni 2023-snapshot is lang genoeg in productie geweest dat de afhankelijkheden ervan diep zijn. Behandel de migratie met de ernst die die diepte impliceert.

Het kiezen

Kies deze snapshot niet voor nieuwe builds. Hij ligt twee generaties achter de huidige frontier en de deprecatiehorizon is achterstallig.

Voor bestaande vastgepinde werklasten, plan de migratie. De bestemming is een huidig model met strikte gestructureerde outputs en modern redeneren. Het pad is een zorgvuldige eval-cyclus gevolgd door een release-window-cutover, geen deprecatie-gedreven scramble.

Laatste technische beoordeling: 2026-05-22 — Tokonomix.ai

gpt-4-0613 — illustration 2gpt-4-0613 — illustration 3
Laatste automatische test
14 sep 2026 · 20:03 UTC · Snelheidstest
P50 latency
925 ms
P95 latency
1376 ms
Fouten
0 / 6 runs
Laatst beoordeeld door Tokonomix-team·26 mei 2026