OpenAI
GPT-4.1 mini 评测成绩
来自 5 个来源、8 项基准的 11 条成绩。
其他名称: gpt-4.1-mini-2025-04-14 · gpt-4.1-mini-20250414 · GPT 4.1 mini · GPT 4.1 mini (2025-04-14) · GPT-4.1-mini-2025-04-14 (FC) · GPT-4.1-mini-2025-04-14 (Prompt) · GPT-4.1-mini
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1383 | 185 | Overall, style control on; 38709 votes; 95% CI 1378–1387“gpt-4.1-mini-2025-04-14” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1201 | 84 | Overall, style control on; 40223 votes; 95% CI 1193–1208“gpt-4.1-mini-2025-04-14” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 65.8% | 173 | Epoch AI run, accuracy | 独立评测 | 2025年4月14日 |
| SWE-bench Verified | 23.9% | 96 | agent: mini-SWE-agent“gpt-4.1-mini-20250414” | 官方榜单 | 2025年7月20日 |
| AIME (OTIS Mock AIME 2024–2025) | 44.7% | 177 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年4月14日 |
| MATH Level 5 | 87.3% | 26 | Epoch AI run, accuracy | 独立评测 | 2025年4月14日 |
| τ²-bench | 48.7% | 25 | airline domain, pass^1; submitted by Sierra; v0.1.3“GPT-4.1-mini” | 官方榜单 | 2025年6月9日 |
| τ²-bench | 61.4% | 26 | retail domain, pass^1; submitted by Sierra; v0.1.3“GPT-4.1-mini” | 官方榜单 | 2025年6月9日 |
| τ²-bench | 48.9% | 20 | telecom domain, pass^1; submitted by Sierra; v0.1.3“GPT-4.1-mini” | 官方榜单 | 2025年6月9日 |
| BFCL v4 (function calling) | 50.5% | 27 | Overall accuracy; native function calling (FC)“GPT-4.1-mini-2025-04-14 (FC)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 29.7% | 67 | Overall accuracy; prompt-based“GPT-4.1-mini-2025-04-14 (Prompt)” | 官方榜单 | 2026年10月17日 |
常见问题
GPT-4.1 mini 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。