GPT-5.1vsGPT-5
在 15 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 7 项，GPT-5 领先 6 项，持平 2 项，平均分差 -0.58。
GPT-5.17 项(47%)持平2(40%)6 项GPT-5
评测分数
按能力类目分组，每组内按分差大小排列；共 15 项。
数学
胶着 4/4| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| IMO-ProofBench Advanced | 7.1016 / 24Thinking (No Tools) | 2011 / 24Thinking (No Tools) | -12.90 |
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 26.3014 / 60Thinking High (With Tools) | +0.40 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (No Tools) | 12.5029 / 80Thinking High (No Tools) | 持平 |
| MathArena Apex | 1.0414 / 17Thinking High (With Tools) | 1.0414 / 17Thinking High (With Tools) | 持平 |
仓库修复与多文件工程
GPT-5.1 领先 2/2| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 50.8046 / 62Thinking High (No Tools) | 36.3059 / 62Thinking High (No Tools) | +14.50 |
| SWE-bench Verified | 76.3034 / 116Thinking High (No Tools) | 72.8051 / 116Thinking High (No Tools) | +3.50 |
图像感知与视觉推理
胶着 2/2| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| VPCT | 58.707 / 24Thinking High (No Tools) | 665 / 24Thinking High (No Tools) | -7.30 |
| MMMU-Pro | 62.40165 / 229Normal (No Tools) | 62.10167 / 229Normal (No Tools) | +0.30 |
客服与业务流程
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| τ³-Banking | 15.90105 / 167Thinking High (With Tools) | 22.1086 / 167Thinking High (With Tools) | -6.20 |
常识推理
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| SimpleBench | 53.2048 / 96Thinking High (No Tools) | 56.7043 / 96Thinking High (No Tools) | -3.50 |
机器学习工程
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| WeirdML v2 | 60.7728 / 52Thinking High (With Tools) | 60.7029 / 52Thinking High (With Tools) | +0.07 |
科学知识与推理
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| CritPt | 4.90102 / 204Thinking High (No Tools) | 5.7092 / 204Thinking High (No Tools) | -0.80 |
维护、优化与工程管理
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| GSO | 13.7013 / 21Thinking High (With Tools) | 6.9016 / 21Thinking High (With Tools) | +6.80 |
综合偏好评测
GPT-5 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| Text Arena (Coding) | 1,38732 / 35Thinking Medium (No Tools) | 1,39529 / 35Thinking Medium (No Tools) | -8 |
自主开发与终端任务
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | GPT-5 | 分差 |
|---|---|---|---|
| Terminal Bench Hard | 22.70143 / 244Normal (With Tools) | 18.20154 / 244Normal (With Tools) | +4.50 |
规格对比
| 字段 | GPT-5.1 | GPT-5 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2025-11-12 | 2025-08-07 |
| 模型类型 | 推理大模型 | 基础大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 400K | 400K |
| 最大输出 | 128K | 128K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.1 | GPT-5 |
|---|---|---|
| 文本输入 | $1.25 / 1M tokens | $1.25 / 1M tokens |
| 文本输出 | $10 / 1M tokens | $10 / 1M tokens |
| 缓存读取 | $0.125 / 1M tokens | $0.125 / 1M tokens |
| 缓存写入 | $0 / 1M tokens | $0 / 1M tokens |
小结
- GPT-5.1在以下类目领先:仓库修复与多文件工程 (2/2)、机器学习工程 (1/1)、维护、优化与工程管理 (1/1)、自主开发与终端任务 (1/1)
- GPT-5在以下类目领先:客服与业务流程 (1/1)、常识推理 (1/1)、科学知识与推理 (1/1)、综合偏好评测 (1/1)
- 胶着类目:数学、图像感知与视觉推理
15 个共同 benchmark 上，GPT-5 平均高出 0.58 分。
单项差距最大的 benchmark：SWE-Bench Pro - Public — GPT-5.1 50.80，GPT-5 36.30（分差 +14.50）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。