GPT-5vsGPT-4.1
在 8 个共同 benchmark 中，GPT-5 整体领先：GPT-5 领先 8 项，GPT-4.1 领先 0 项，持平 0 项，平均分差 +27.55。
GPT-58 项(100%)(0%)0 项GPT-4.1
评测分数
按能力类目分组，每组内按分差大小排列；共 8 项。
Math and Reasoning
GPT-5 领先 3/3| 评测项 | GPT-5 | GPT-4.1 | 分差 |
|---|---|---|---|
| AIME2025 | 99.609 / 106 | 36.7097 / 106 | +62.90 |
| FrontierMath | 24.8015 / 60 | 5.5037 / 60 | +19.30 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (No Tools) | 072 / 80Normal (No Tools) | +12.50 |
General Knowledge
GPT-5 领先 2/2| 评测项 | GPT-5 | GPT-4.1 | 分差 |
|---|---|---|---|
| HLE | 35.2060 / 157 | 3.70156 / 157 | +31.50 |
| GPQA Diamond | 87.3037 / 178 | 66.30126 / 178 | +21 |
Agent Level Benchmark
GPT-5 领先 1/1| 评测项 | GPT-5 | GPT-4.1 | 分差 |
|---|---|---|---|
| τ²-Bench | 8015 / 40 | 54.7031 / 40 | +25.30 |
Coding and Software Engineer
GPT-5 领先 1/1| 评测项 | GPT-5 | GPT-4.1 | 分差 |
|---|---|---|---|
| SWE-bench Verified | 72.8046 / 108 | 54.6084 / 108 | +18.20 |
常识推理
GPT-5 领先 1/1| 评测项 | GPT-5 | GPT-4.1 | 分差 |
|---|---|---|---|
| Simple Bench | 56.708 / 27 | 2723 / 27 | +29.70 |
规格对比
| 字段 | GPT-5 | GPT-4.1 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2025-08-07 | 2025-04-14 |
| 模型类型 | 基础大模型 | 聊天大模型 |
| 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 | 1024K |
| 最大输出 | 128K | 32K |
小结
- GPT-5在以下类目领先:Math and Reasoning (3/3)、General Knowledge (2/2)、Agent Level Benchmark (1/1)、Coding and Software Engineer (1/1)、常识推理 (1/1)
8 个共同 benchmark 上，GPT-5 平均高出 27.55 分。
单项差距最大的 benchmark：AIME2025 — GPT-5 99.60，GPT-4.1 36.70（分差 +62.90）。
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。