OpenAI
GPT-4.1 评测成绩
来自 6 个来源、10 项基准的 14 条成绩。
其他名称: gpt-4.1-2025-04-14 · gpt-4.1-20250414 · GPT 4.1 · GPT 4.1 (2025-04-14) · GPT-4.1-2025-04-14 (FC) · GPT-4.1-2025-04-14 (Prompt)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1415 | 140 | Overall, style control on; 50314 votes; 95% CI 1411–1418“gpt-4.1-2025-04-14” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1214 | 78 | Overall, style control on; 41020 votes; 95% CI 1207–1221“gpt-4.1-2025-04-14” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 66.9% | 169 | Epoch AI run, accuracy | 独立评测 | 2025年4月14日 |
| MMLU-Pro | 81.8% | 55 | Overall accuracy; data source: Self-Reported | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 48.5% | 32 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月8日 |
| SWE-bench Verified | 39.6% | 84 | agent: mini-SWE-agent“gpt-4.1-20250414” | 官方榜单 | 2025年7月26日 |
| AIME (OTIS Mock AIME 2024–2025) | 38.3% | 182 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年4月14日 |
| MATH Level 5 | 83.0% | 33 | Epoch AI run, accuracy | 独立评测 | 2025年4月14日 |
| Humanity's Last Exam | 5.4% | 45 | Compiled by Epoch AI | 第三方汇编 via Epoch AI | 2025年4月14日 |
| τ²-bench | 56.0% | 19 | airline domain, pass^1; submitted by Sierra; v0.1.3 | 官方榜单 | 2025年6月9日 |
| τ²-bench | 74.0% | 18 | retail domain, pass^1; submitted by Sierra; v0.1.3 | 官方榜单 | 2025年6月9日 |
| τ²-bench | 34.0% | 21 | telecom domain, pass^1; submitted by Sierra; v0.1.3 | 官方榜单 | 2025年6月9日 |
| BFCL v4 (function calling) | 54.0% | 20 | Overall accuracy; native function calling (FC)“GPT-4.1-2025-04-14 (FC)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 39.4% | 45 | Overall accuracy; prompt-based“GPT-4.1-2025-04-14 (Prompt)” | 官方榜单 | 2026年10月17日 |
常见问题
GPT-4.1 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、MMLU-Pro leaderboard (TIGER-Lab)、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。