OpenAI
GPT-5.1 评测成绩
来自 4 个来源、9 项基准的 21 条成绩。
其他名称: gpt-5.1-high · gpt-5.1 · gpt-5.1-medium · gpt-5.1-2025-11-13_none · GPT-5.1 (no thinking) · gpt-5.1-2025-11-13_medium · GPT-5.1 (medium) · gpt-5.1-2025-11-13_high · GPT-5.1 (high) · gpt-5.1-2025-11-13_low
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1456 | 68 | Overall, style control on; 41674 votes; 95% CI 1452–1459“gpt-5.1-high” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1439 | 98 | Overall, style control on; 44441 votes; 95% CI 1435–1442“gpt-5.1” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1395 | 93 | Overall; 4912 votes; 95% CI 1384–1407“gpt-5.1-medium” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1342 | 112 | Overall; 10716 votes; 95% CI 1333–1350“gpt-5.1” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1251 | 49 | Overall, style control on; 9842 votes; 95% CI 1244–1259“gpt-5.1-high” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1240 | 60 | Overall, style control on; 10795 votes; 95% CI 1232–1247“gpt-5.1” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 87.6% | 67 | Epoch AI run, accuracy; effort: high | 独立评测 | 2025年11月13日 |
| GPQA Diamond | 85.0% | 86 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2025年11月17日 |
| GPQA Diamond | 66.7% | 170 | Epoch AI run, accuracy; effort: no thinking | 独立评测 | 2026年8月7日 |
| MMLU-Pro | 86.4% | 24 | Overall accuracy; data source: Self-Reported | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 68.0% | 26 | Epoch AI run (Epoch scaffold); effort: high | 独立评测 | 2026年2月18日 |
| SWE-bench Verified | 66.0% | 35 | agent: mini-SWE-agent“gpt-5.1-2025-11-13” | 官方榜单 | 2025年11月20日 |
| AIME (OTIS Mock AIME 2024–2025) | 88.6% | 79 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: high | 独立评测 | 2025年11月13日 |
| AIME (OTIS Mock AIME 2024–2025) | 85.6% | 93 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium | 独立评测 | 2025年11月17日 |
| AIME (OTIS Mock AIME 2024–2025) | 63.9% | 142 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: low | 独立评测 | 2025年11月25日 |
| AIME (OTIS Mock AIME 2024–2025) | 37.8% | 183 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: no thinking | 独立评测 | 2026年8月7日 |
| Humanity's Last Exam | 23.7% | 19 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年11月13日 |
| Humanity's Last Exam | 6.8% | 41 | Compiled by Epoch AI; effort: no thinking | 第三方汇编 via Epoch AI | 2025年11月13日 |
| Terminal-Bench 2.0 | 47.6% | 72 | Terminal-Bench 2.0; agent: Terminus 2; effort: medium | 官方榜单 via Epoch AI | 2025年11月16日 |
| Terminal-Bench 2.0 | 47.6% | 72 | Terminal-Bench 2.0; agent: Terminus 2 ; effort: medium | 官方榜单 via Epoch AI | 2025年11月16日 |
| Terminal-Bench 2.0 | 47.6% | 74 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月12日 |
常见问题
GPT-5.1 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和SWE-bench leaderboards (swebench.com)。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。