GPT-4.1

OpenAI·3 个数据来源·更新于 2026-11-10

上下文窗口1MBenchLM
最大输出32.8KLLM Stats
输入 / 百万 Token$2OpenRouter
输出 / 百万 Token$8OpenRouter

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

3 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

29 项已收录成绩 · 保留原始单位和测试条件

Aider-Polyglot厂商自报 · 越高越好
51.6%

Standard benchmark

成绩出处
Aider-Polyglot Edit厂商自报 · 越高越好
52.9%

Standard benchmark

成绩出处
AIME 2024厂商自报 · 越高越好
48.1%

Standard benchmark

成绩出处
AIME 2025厂商自报 · 越高越好
46.4%

GPT-4.1 with no tools - Competition mathematics (AIME 2025).

成绩出处
CharXiv-D厂商自报 · 越高越好
87.9%

Standard benchmark

成绩出处
CharXiv-R厂商自报 · 越高越好
56.7%

Standard benchmark

成绩出处
COLLIE厂商自报 · 越高越好
65.8%

Standard benchmark

成绩出处
ComplexFuncBench厂商自报 · 越高越好
65.5%

Standard benchmark

成绩出处
GPQA厂商自报 · 越高越好
66.3%

Diamond

成绩出处
Graphwalks BFS <128k厂商自报 · 越高越好
61.7%

Standard benchmark

成绩出处
Graphwalks BFS >128k厂商自报 · 越高越好
19%

Internal benchmark

成绩出处
Graphwalks parents <128k厂商自报 · 越高越好
58%

Internal benchmark

成绩出处
Graphwalks parents >128k厂商自报 · 越高越好
25%

Internal benchmark

成绩出处
HMMT 2025厂商自报 · 越高越好
28.9%

GPT-4.1 with no tools - Harvard-MIT Mathematics Tournament.

成绩出处
Humanity's Last Exam厂商自报 · 越高越好
5.4%

GPT-4.1 with no tools - Expert-level questions across subjects.

成绩出处
IFEval厂商自报 · 越高越好
87.4%

Standard benchmark

成绩出处
Internal API instruction following (hard)厂商自报 · 越高越好
49.1%

Internal benchmark

成绩出处
MathVista厂商自报 · 越高越好
72.2%

Standard benchmark

成绩出处
MMLU厂商自报 · 越高越好
90.2%

Standard benchmark

成绩出处
MMMLU厂商自报 · 越高越好
87.3%

Standard benchmark

成绩出处
MMMU厂商自报 · 越高越好
74.8%

Standard benchmark

成绩出处
Multi-Challenge厂商自报 · 越高越好
38.3%

Standard benchmark (GPT-4o grader)

成绩出处
Multi-IF厂商自报 · 越高越好
70.8%

Standard benchmark

成绩出处
OpenAI-MRCR: 2 needle 128k厂商自报 · 越高越好
57.2%

Internal benchmark

成绩出处
OpenAI-MRCR: 2 needle 1M厂商自报 · 越高越好
46.3%

Internal benchmark

成绩出处
SWE-Bench Verified厂商自报 · 越高越好
54.6%

Internal methodology, see source footnote [2]

成绩出处
TAU-bench Airline厂商自报 · 越高越好
49.4%

Avg 5 runs, no custom tools/prompting (footnote [4])

成绩出处
TAU-bench Retail厂商自报 · 越高越好
68%

Avg 5 runs, no custom tools/prompting (footnote [4], GPT-4o user model)

成绩出处
Video-MME (long, no subtitles)厂商自报 · 越高越好
72%

Standard benchmark

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2025-04-14LLM Stats
知识截止
2024-06-01LLM Stats
上下文窗口
1M TokenBenchLM
最大输入
1.05M TokenLLM Stats
最大输出
32.8K TokenLLM Stats
输入模态
图像、文本、文件OpenRouter
输出模态
文本OpenRouter
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

模型 API 价格,单位为美元每百万 Token
来源 / 服务商输入输出缓存读取
OpenAI$2$8待补充

估算一次用量

按表格第一条报价计算,普通文本、无缓存。

预计费用$2.8
不含工具、图片、推理额外计费或阶梯价格;以服务商实际账单为准。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10

OpenRouter

公开模型目录与 API 报价

1 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsGPT-4.1SHA-256 fd18db8b5568a0c9…2026-11-10T13:55:57Z查看来源
BenchLMGPT-4.12026-11-10查看来源
OpenRouterGPT-4.1SHA-256 63cbc45064d84060…2026-11-10T13:51:49Z查看来源
继续浏览模型排行榜