GPT-5.1vsClaude Opus 4
在 9 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 8 项，Claude Opus 4 领先 1 项，持平 0 项，平均分差 +13.07。
GPT-5.1
OpenAI · 2025-11-12 · 推理大模型
Claude Opus 4
Anthropic · 2025-05-23 · 推理大模型
GPT-5.18 项(89%)(11%)1 项Claude Opus 4
评测分数
按能力类目分组，每组内按分差大小排列；共 9 项。
General Knowledge
GPT-5.1 领先 4/4| 评测项 | GPT-5.1 | Claude Opus 4 | 分差 |
|---|---|---|---|
| ARC-AGI | 72.8025 / 65 | 35.7048 / 65 | +37.10 |
| HLE | 26.5083 / 157 | 10.70129 / 157 | +15.80 |
| ARC-AGI-2 | 17.6033 / 59 | 8.6039 / 59 | +9 |
| GPQA Diamond | 88.1028 / 178 | 79.6079 / 178 | +8.50 |
Math and Reasoning
GPT-5.1 领先 3/3| 评测项 | GPT-5.1 | Claude Opus 4 | 分差 |
|---|---|---|---|
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 4.5039 / 60 | +22.20 |
| AIME2025 | 9428 / 106 | 75.5065 / 106 | +18.50 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (With Tools) | 4.2040 / 80 | +8.30 |
Coding and Software Engineer
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Claude Opus 4 | 分差 |
|---|---|---|---|
| SWE-bench Verified | 76.3030 / 108 | 72.5048 / 108 | +3.80 |
常识推理
Claude Opus 4 领先 1/1| 评测项 | GPT-5.1 | Claude Opus 4 | 分差 |
|---|---|---|---|
| Simple Bench | 53.2010 / 27 | 58.807 / 27 | -5.60 |
规格对比
| 字段 | GPT-5.1 | Claude Opus 4 |
|---|---|---|
| 发布机构 | OpenAI | Anthropic |
| 发布时间 | 2025-11-12 | 2025-05-23 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 400K | 200K |
| 最大输出 | 128K | 32K |
小结
- GPT-5.1在以下类目领先:General Knowledge (4/4)、Math and Reasoning (3/3)、Coding and Software Engineer (1/1)
- Claude Opus 4在以下类目领先:常识推理 (1/1)
9 个共同 benchmark 上，GPT-5.1 平均高出 13.07 分。
单项差距最大的 benchmark：ARC-AGI — GPT-5.1 72.80，Claude Opus 4 35.70（分差 +37.10）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。