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: AI Agent - 工具使用 +18.5 / 相对落后: 常识推理 -5.7
相对优势: 常识推理 +5.7 / 相对落后: AI Agent - 工具使用 -18.5
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 · 53.53
单项最高
GPT-5 · AIME2025 99.60
模态覆盖
GPT-5 · 2 种模态
正面对比
19
评测基准
17
领先项
2
落后项
+12.60
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
19 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 | Gemini 2.5-Pro |
|---|---|---|
ARC-AGI 综合评估 | 65.70思考水平·高 | 37.00开启思考 |
ARC-AGI-2 综合评估 | 9.90思考水平·高 | 4.90开启思考 |
GPQA Diamond 综合评估 | 87.30开启思考 ｜ 工具 | 86.40开启思考 |
HLE 综合评估 | 35.20开启思考 ｜ 工具 | 21.60开启思考 |
LiveBench 综合评估 | 79.33思考水平·高 | 71.92开启思考 |
SWE-bench Verified 编程与软件工程 | 72.80思考水平·高 | 67.20开启思考 |
AIME2025 数学推理 | 99.60开启思考 ｜ 工具 | 88.00开启思考 |
FrontierMath 数学推理 | 26.30思考水平·高 ｜ 工具 | 11.00常规模式 |
12.50思考水平·高 | 2.10常规模式 | |
IMO 2024 数学推理 | 11.00开启思考 | 19.00开启思考 |
IMO 2025 数学推理 | 29.00开启思考 | 15.20开启思考 |
IMO-ProofBench 数学推理 | 59.00开启思考 | 55.20开启思考 |
20.00开启思考 | 17.60开启思考 | |
Terminal-Bench AI Agent - 工具使用 | 43.80开启思考 ｜ 工具 | 25.30开启思考 |
MMMU 多模态理解 | 84.20思考水平·高 | 82.00开启思考 |
Simple Bench 常识推理 | 56.70思考水平·高 | 62.40开启思考 |
τ²-Bench - Telecom Agent能力评测 | 96.70思考水平·高 ｜ 工具 | 54.00开启思考 ｜ 工具 |
IF Bench 指令跟随 | 73.10思考水平·高 | 49.00开启思考 ｜ 工具 |
BrowseComp AI Agent - 信息收集 | 54.90开启思考 ｜ 工具 | 7.80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-5OpenAI | Gemini 2.5-ProGoogle Deep Mind |
|---|---|---|
核心规格发布时间 | 2025-08-07 | 2025-06-05 |
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）深度思考（Deeper 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 | Introducing GPT-5 | Try the latest Gemini 2.5 Pro before general availability. |
DataLearner 博客 | 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 | Google发布Gemini 2.5 Pro: Gemini系列第一个2.5版本的模型，最高支持200万上下文，全模态输入，推理大模型，LMArena排名第一 |
