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。
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: 数学推理 +15.8 / 相对落后: 常识推理 -1.1
相对优势: 常识推理 +1.1 / 相对落后: 数学推理 -15.8
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-5.1 · 58.12
单项最高
Claude Sonnet 4.5 · AIME2025 100.00
模态覆盖
GPT-5.1 · 2 种模态
正面对比
13
评测基准
9
领先项
4
落后项
+5.28
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
13 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-5.1 | Claude Sonnet 4.5 |
|---|---|---|
ARC-AGI 综合评估 | 72.80思考水平·高 | 63.70开启思考 |
ARC-AGI-2 综合评估 | 17.60思考水平·高 | 13.60开启思考 |
GPQA Diamond 综合评估 | 88.10开启思考 | 83.40开启思考 |
HLE 综合评估 | 42.70思考水平·高 ｜ 工具 | 33.60开启思考 ｜ 工具 |
SWE-bench Verified 编程与软件工程 | 76.30思考水平·高 | 77.20开启思考 ｜ 工具 |
AIME2025 数学推理 | 94.00思考水平·高 | 100.00开启思考 ｜ 工具 |
FrontierMath 数学推理 | 26.70思考水平·高 ｜ 工具 | 5.20常规模式 |
12.50思考水平·高 ｜ 工具 | 4.2032K | |
MMMU 多模态理解 | 85.40思考水平·高 | 77.80开启思考 |
Simple Bench 常识推理 | 53.20思考水平·高 | 54.30常规模式 |
Terminal Bench Hard Agent能力评测 | 43.00思考水平·高 ｜ 工具 | 33.00开启思考 ｜ 工具 |
τ²-Bench - Telecom Agent能力评测 | 95.60思考水平·高 ｜ 工具 | 98.00开启思考 ｜ 工具 |
Terminal Bench 2.0 AI Agent - 工具使用 | 47.60思考水平·高 ｜ 工具 | 42.80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-5.1OpenAI | Claude Sonnet 4.5Anthropic |
|---|---|---|
核心规格发布时间 | 2025-11-12 | 2025-09-30 |
上下文 | 400K | 1000K |
最大输出 | 131072 | 65536 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） | 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 | GPT-5.1: A smarter, more conversational ChatGPT | Introducing Claude Sonnet 4.5 |
DataLearner 博客 | OpenAI发布GPT-5.1：围绕“对话体验、一致性、任务适配性”进行的系统化优化的小幅更新！ | 全球最强编程大模型升级：Anthropic发布Claude Sonnet 4.5！同时还有一波重磅工具更新：Claude Code支持保存状态等 |
