自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
GPT-5
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 暂无明显优势 / 相对落后: 数学推理 -34.2
相对优势: 数学推理 +34.2 / 相对落后: 暂无明显落后
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5 · 68.24
单项最高
GPT-5 · AIME2025 99.60
模态覆盖
GPT-4.1 · 2 种模态
正面对比
8
评测基准
0
领先项
8
落后项
-30.62
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
8 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | GPT-4.1 | GPT-5 |
|---|---|---|
GPQA Diamond 综合评估 | 66.30常规模式 | 87.30开启思考 ｜ 工具 |
HLE 综合评估 | 3.70常规模式 | 35.20开启思考 ｜ 工具 |
AIME2025 数学推理 | 36.70常规模式 | 99.60开启思考 ｜ 工具 |
FrontierMath 数学推理 | 5.50常规模式 | 26.30思考水平·高 ｜ 工具 |
SWE-bench Verified 编程与软件工程 | 54.60常规模式 | 72.80思考水平·高 |
Simple Bench 常识推理 | 27.00常规模式 | 56.70思考水平·高 |
Aider-Polyglot Agent能力评测 | 52.40常规模式 | 88.00思考水平·高 |
τ²-Bench Agent能力评测 | 54.70常规模式 ｜ 工具 | 80.00开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | GPT-4.1OpenAI | GPT-5OpenAI |
|---|---|---|
核心规格发布时间 | 2025-04-14 | 2025-08-07 |
上下文 | 1024K | 400K |
最大输出 | 32768 | 131072 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 暂无模式数据 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Introducing GPT-4.1 in the API | Introducing GPT-5 |
DataLearner 博客 | 未提供 | OpenAI发布GPT-5：这是一个包含实时路由的AI系统，而不仅仅是一个模型 |
OpenAI
