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: 常识推理 +3.5 / 相对落后: 编程与软件工程 -9.0
相对优势: 编程与软件工程 +9.0 / 相对落后: 常识推理 -3.5
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-5.1 · 58.96
单项最高
GPT-5 · AIME2025 99.60
模态覆盖
GPT-5 · 2 种模态
正面对比
13
评测基准
4
领先项
8
落后项
-2.18
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 | GPT-5.1 |
|---|---|---|
ARC-AGI 综合评估 | 65.70思考水平·高 | 72.80思考水平·高 |
ARC-AGI-2 综合评估 | 9.90思考水平·高 | 17.60思考水平·高 |
GPQA Diamond 综合评估 | 87.30开启思考 ｜ 工具 | 88.10开启思考 |
HLE 综合评估 | 35.20开启思考 ｜ 工具 | 42.70思考水平·高 ｜ 工具 |
SWE-Bench Pro - Public 编程与软件工程 | 36.30思考水平·高 | 50.80思考水平·高 |
SWE-bench Verified 编程与软件工程 | 72.80思考水平·高 | 76.30思考水平·高 |
AIME2025 数学推理 | 99.60开启思考 ｜ 工具 | 94.00思考水平·高 |
FrontierMath 数学推理 | 26.30思考水平·高 ｜ 工具 | 26.70思考水平·高 ｜ 工具 |
12.50思考水平·高 | 12.50思考水平·高 ｜ 工具 | |
MMMU 多模态理解 | 84.20思考水平·高 | 85.40思考水平·高 |
Simple Bench 常识推理 | 56.70思考水平·高 | 53.20思考水平·高 |
τ²-Bench - Telecom Agent能力评测 | 96.70思考水平·高 ｜ 工具 | 95.60思考水平·高 ｜ 工具 |
BrowseComp AI Agent - 信息收集 | 54.90开启思考 ｜ 工具 | 50.80思考水平·高 |
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 | GPT-5.1OpenAI |
|---|---|---|
核心规格发布时间 | 2025-08-07 | 2025-11-12 |
上下文 | 400K | 400K |
最大输出 | 131072 | 131072 |
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） |
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 | GPT-5.1: A smarter, more conversational ChatGPT |
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 | 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！ |
