GPT-5.1vsGPT-5
在 13 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 7 项，GPT-5 领先 5 项，持平 1 项，平均分差 +1.12。
GPT-5.17 项(54%)持平1(38%)5 项GPT-5
评测分数
按能力类目分组，每组内按分差大小排列；共 13 项。
General Knowledge
GPT-5.1 领先 3/4| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| HLE | 26.5083 / 157 | 35.2060 / 157 | -8.70 |
| ARC-AGI-2 | 17.6033 / 59 | 9.9037 / 59 | +7.70 |
| ARC-AGI | 72.8025 / 65 | 65.7030 / 65 | +7.10 |
| GPQA Diamond | 88.1028 / 178 | 87.3037 / 178 | +0.80 |
Math and Reasoning
胶着 3/3| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| AIME2025 | 9428 / 106 | 99.609 / 106 | -5.60 |
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 24.8015 / 60 | +1.90 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (With Tools) | 12.5029 / 80Thinking High (No Tools) | 持平 |
Coding and Software Engineer
GPT-5.1 领先 2/2| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 50.8030 / 43Thinking High (No Tools) | 36.3041 / 43 | +14.50 |
| SWE-bench Verified | 76.3030 / 108 | 72.8046 / 108 | +3.50 |
Agent Level Benchmark
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 95.6014 / 35Thinking High (With Tools) | 95.8013 / 35 | -0.20 |
AI Agent - Information Search
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| BrowseComp | 50.8036 / 45Thinking High (No Tools) | 54.9032 / 45 | -4.10 |
Multimodal Understanding
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| MMMU | 85.402 / 28 | 84.205 / 28 | +1.20 |
常识推理
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| Simple Bench | 53.2010 / 27 | 56.708 / 27 | -3.50 |
规格对比
| 字段 | GPT-5.1 | GPT-5 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2025-11-12 | 2025-08-07 |
| 模型类型 | 推理大模型 | 基础大模型 |
| 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 | 400K |
| 最大输出 | 128K | 128K |
小结
- GPT-5.1在以下类目领先:General Knowledge (3/4)、Coding and Software Engineer (2/2)、Multimodal Understanding (1/1)
- GPT-5在以下类目领先:Agent Level Benchmark (1/1)、AI Agent - Information Search (1/1)、常识推理 (1/1)
- 胶着类目:Math and Reasoning
13 个共同 benchmark 上，GPT-5.1 平均高出 1.12 分。
单项差距最大的 benchmark：SWE-Bench Pro - Public — GPT-5.1 50.80，GPT-5 36.30（分差 +14.50）。
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。