GPT-5.1vsGemini 2.5-Pro
在 14 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 13 项，Gemini 2.5-Pro 领先 1 项，持平 0 项，平均分差 +14.86。
GPT-5.1
OpenAI · 2025-11-12 · 推理大模型
Gemini 2.5-Pro
Google Deep Mind · 2025-06-05 · 推理大模型
GPT-5.113 项(93%)(7%)1 项Gemini 2.5-Pro
评测分数
按能力类目分组，每组内按分差大小排列；共 14 项。
General Knowledge
GPT-5.1 领先 4/4| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| ARC-AGI | 72.8025 / 65 | 3747 / 65 | +35.80 |
| ARC-AGI-2 | 17.6033 / 59 | 4.9044 / 59 | +12.70 |
| HLE | 26.5083 / 157 | 21.6097 / 157 | +4.90 |
| GPQA Diamond | 88.1028 / 178 | 86.4041 / 178 | +1.70 |
Math and Reasoning
GPT-5.1 领先 3/3| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 1123 / 60 | +15.70 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (With Tools) | 2.1056 / 80Normal (No Tools) | +10.40 |
| AIME2025 | 9428 / 106 | 8843 / 106 | +6 |
Agent Level Benchmark
GPT-5.1 领先 2/2| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 95.6014 / 35Thinking High (With Tools) | 5432 / 35 | +41.60 |
| Terminal Bench Hard | 432 / 13Thinking High (With Tools) | 2512 / 13 | +18 |
AI Agent - Information Search
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| BrowseComp | 50.8036 / 45Thinking High (No Tools) | 7.8044 / 45 | +43 |
AI Agent - Tool Usage
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 47.6037 / 46Thinking High (With Tools) | 32.6046 / 46 | +15 |
Coding and Software Engineer
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| SWE-bench Verified | 76.3030 / 108 | 67.2068 / 108 | +9.10 |
Multimodal Understanding
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| MMMU | 85.402 / 28 | 829 / 28 | +3.40 |
常识推理
Gemini 2.5-Pro 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Simple Bench | 53.2010 / 27 | 62.402 / 27 | -9.20 |
规格对比
| 字段 | GPT-5.1 | Gemini 2.5-Pro |
|---|---|---|
| 发布机构 | OpenAI | Google Deep Mind |
| 发布时间 | 2025-11-12 | 2025-06-05 |
| 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 | 1000K |
| 最大输出 | 128K | 64K |
小结
- GPT-5.1在以下类目领先:General Knowledge (4/4)、Math and Reasoning (3/3)、Agent Level Benchmark (2/2)、AI Agent - Information Search (1/1)、AI Agent - Tool Usage (1/1)、Coding and Software Engineer (1/1)、Multimodal Understanding (1/1)
- Gemini 2.5-Pro在以下类目领先:常识推理 (1/1)
14 个共同 benchmark 上，GPT-5.1 平均高出 14.86 分。
单项差距最大的 benchmark：BrowseComp — GPT-5.1 50.80，Gemini 2.5-Pro 7.80（分差 +43）。
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。