BenchLeader

GPT-4.1

推論エフォート
品質339中181位
48.7Index
中央値より下
中央値比 −1.5
価格255中202位
$3.50100万トークンあたり
高い方から4分の1
中央値の4.1倍
速度216中64位
112トークン/秒
中央値より上
中央値の1.4倍
コスパ255中209位
13.9ポイント/$
下位4分の1
中央値の0.3倍

よりコスパが高いモデル: Qwen3.5-4B $0.060/MでIndex 46.7(58分の1の価格)。

より安価でスコアの高いランク付けモデルが121つあります:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38)ほか118つ。

2026年11月16日時点で、GPT-4.1(OpenAI)のBenchLeader Indexは48.7です(ランク付け対象は608構成)。最も強いのは人間の評価(59)、最も弱いのは知識(36)です。API料金は入力100万トークンあたり$2.00、出力100万トークンあたり$8.00(3:1のブレンドで$3.50)で、2026年11月16日時点の定価です。出力速度は約110トークン/秒です(Artificial Analysis)。2025年4月14日にリリースされました。

要点(2026年11月16日時点)

  • GPT-4.1のAPI料金は入力100万トークンあたり$2.00、出力100万トークンあたり$8.00(3:1のブレンドで$3.50)です(定価、2026年11月16日)。
  • GPT-4.1の出力速度は約110トークン/秒です(Artificial Analysis、2026年11月16日)。
  • GPT-4.1は2025年4月14日にリリースされました(OpenAI)。

詳しく見ると:GPT-4.1はOpenAIのプロプライエタリなモデルです(2025年4月14日リリース)。最もスコアの高い構成は、BenchLeader Indexで48.7 ±4.3を記録し、608構成中377位で下位半分に入ります。重要なのはこの「±」です。ほかに260構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では人間の評価が最も高く(59)、知識が最も低くなっています(36)。ブレンド価格は100万トークンあたり$3.50で、ランク付けされたモデルの中で最も高価な部類です。出力速度は112トークン/秒、回答開始まで4.2秒で、多くのモデルより高速です。2通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$3.50/M
入力$2.00・出力$8.00
出典:Artificial Analysis
出力速度
112 tok/s
Artificial Analysisによる測定
回答開始
4.17 s
最初のトークン 0.99 s
コンテキスト
1.0M
出典:models.dev
回答完了まで
12 s
最終測定2026年11月13日
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年4月14日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index49
  2. 推論39
  3. コーディング43
  4. エージェント・ツール58
  5. 数学48
  6. 知識36
  7. 指示追従48
  8. 人間の評価59
  9. マルチモーダル51
  10. 長文コンテキスト56

この順位を埋め込む

ほかのバッジスタイル
[![GPT-4.1 on BenchLeader: 総合 178位](https://www.benchleader.com/badge/gpt-4-1.svg?style=compact)](https://www.benchleader.com/models/gpt-4-1)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

OpenAIはこの名前で13つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
GPT-5.62026年7月9日––
GPT-5.5xhigh2026年4月23日64.1#31
GPT-5.4xhigh2026年3月5日63.1#42
GPT-5.2xhigh2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5medium2025年8月7日59.0#113
GPT-4.1このページ2025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023年6月13日39.5#541
GPT-42023年3月14日42.3#496
GPT-3.5–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
high46.6#428112 tok/s4.17 s$0.0032コーディング 38 · 知識 55 · 数学 43
未記載最良48.7#377112 tok/s4.17 s$0.0032エージェント・ツール 58 · コーディング 43 · 人間の評価 59 · 指示追従 48 · 知識 36 · 長文コンテキスト 56 · 数学 48 · マルチモーダル 51 · 推論 39

Indexの推移

2026年9月8日〜2026年11月16日
414854
  • 標準
  • high

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

推論

ベンチマークhigh標準出典推移
GPQA Diamondエフォート未記載–66.9%#190Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載–5.4%#42Scale AI / CAIS
SimpleBenchエフォート未記載–27.0%#94SimpleBench
Arena Hard Promptsエフォート未記載–1432#143Arena (LMArena)
GPQA Diamond (AA)Index対象外エフォート未記載–66.6%#336Artificial Analysis
Humanity's Last Exam (AA)Index対象外エフォート未記載–4.2%#553Artificial Analysis
GPQA Diamond (Vals)Index対象外65.4%#99–Vals AI
Kagi LLM Benchmarkエフォート未記載–52.3%#74Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–65.9%#18HELM Capabilities
ARC-AGI-1エフォート未記載–5.5%#252ARC Prize
ARC-AGI-2エフォート未記載–0.4%#248ARC Prize
CritPtIndex対象外エフォート未記載–0.0%#337Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–1406#166Arena (LMArena)
Chess PuzzlesIndex対象外エフォート未記載–11.0%#128Epoch AI Benchmarking Hub
LMCAIndex対象外エフォート未記載–25.6%#156Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載–68.3%#169Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–62.0%#60ForecastBench

コーディング

ベンチマークhigh標準出典推移
SWE-bench Verified (Epoch)エフォート未記載–48.5%#32Epoch AI Benchmarking Hub
WeirdMLエフォート未記載–39.0%#109WeirdML
Arena Codingエフォート未記載–1456#146Arena (LMArena)
LiveCodeBench54.7%#111–Vals AI
Aider Polyglotエフォート未記載–52.4%#33Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載–39.6%#37SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載–39.6%#47SWE-bench
CadEvalIndex対象外エフォート未記載–42.0%#8Epoch AI Benchmarking Hub
ALE-BenchIndex対象外エフォート未記載–558.1#115Epoch AI Benchmarking Hub
Design Arena WebsiteIndex対象外エフォート未記載–1030#163Design Arena
LiveCodeBench (AA)Index対象外エフォート未記載–45.7%#154Artificial Analysis

エージェント・ツール

ベンチマークhigh標準出典推移
Terminal-Bench Hardエフォート未記載–13.6%#206Artificial Analysis
τ²-Bench Telecom (AA)Index対象外エフォート未記載–47.1%#206Artificial Analysis
BFCL Overallエフォート未記載–54.0%#18Berkeley Function Calling Leaderboard
Terminal-Bench 2.0 (Vals)Index対象外14.6%#61–Vals AI
BrowseComp-PlusIndex対象外エフォート未記載–15.3%#13BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載–3.5%#6OpenAI

数学

ベンチマークhigh標準出典推移
FrontierMath Tiers 1–3エフォート未記載–6.0%#114Epoch AI Benchmarking Hub
OTIS Mock AIMEエフォート未記載–38.3%#211Epoch AI Benchmarking Hub
MATH Level 5エフォート未記載–83.0%#31Epoch AI Benchmarking Hub
AIME (Vals)39.6%#69–Vals AI
MGSM87.7%#57–Vals AI
Omni-MATH (HELM)エフォート未記載–47.1%#21HELM Capabilities
MATH 500Index対象外87.2%#32–Vals AI
Arena Mathsエフォート未記載–1375#182Arena (LMArena)
AIME 2025 (AA)Index対象外エフォート未記載–34.7%#167Artificial Analysis

知識

ベンチマークhigh標準出典推移
SimpleQA Verifiedエフォート未記載–31.1%#74Epoch AI Benchmarking Hub
MMLU-Pro80.5%#85–Vals AI
LegalBench83.1%#59–Vals AI
CorpFin63.0%#47–Vals AI
TaxEval75.1%#24–Vals AI
MedQA91.2%#39–Vals AI
PRBench Financeエフォート未記載–34.3%#39Scale AI SEAL
PRBench Legalエフォート未記載–36.5%#44Scale AI SEAL
MultiNRCエフォート未記載–21.2%#34Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載–81.1%#16HELM Capabilities
CaseLaw v2Index対象外69.9%#3–Vals AI

人間の評価

ベンチマーク標準出典推移
Arena Text1415#140Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外1420#72EQ-Bench
Arena Creative WritingIndex対象外1403#106Arena (LMArena)
Arena Multi-turnIndex対象外1430#118Arena (LMArena)
Arena Longer QueriesIndex対象外1426#131Arena (LMArena)

マルチモーダル

ベンチマークhigh標準出典推移
Arena Visionエフォート未記載–1210#88Arena (LMArena)
MMMU-Proエフォート未記載–61.2%#221Artificial Analysis
VISTAエフォート未記載–45.3%#26Scale AI SEAL
MMMU-Pro (Vals)Index対象外72.4%#63–Vals AI
MortgageTaxIndex対象外65.9%#36–Vals AI
VTBIndex対象外エフォート未記載–5.5%#13Scale AI SEAL
GeoBenchIndex対象外エフォート未記載–72.0%#23GeoBench

長文コンテキスト

ベンチマーク標準出典推移
Fiction.LiveBench 120k62.5%#13Fiction.live
AA-LCR v1.168.3%#252Artificial Analysis

総合

ベンチマーク標準出典推移
Epoch Capabilities IndexIndex対象外136.2#127Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外12.7#336Artificial Analysis
AA Progress Index v1Index対象外198.7#422Artificial Analysis
HELM Capabilities meanIndex対象外72.7%#17HELM Capabilities

安全性・誠実さ

ベンチマーク標準出典推移
FORTRESSIndex対象外53.0%#72Scale AI SEAL
MASKIndex対象外汚染の可能性51.1%#48Scale AI SEAL

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
OpenAI97 tok/s0.93 s$2.00$8.001.0M–
Azure88 tok/s0.76 s$2.20$8.801.0M–
Azure71 tok/s2.15 s$2.00$8.001.0M–

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.500のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0032$0.00286.9 s
30ページのレポートを要約12,000 / 600$0.029$0.0159.5 s
コード編集6,000 / 1,500$0.024$0.01717.6 s
エージェント型コーディングセッション60,000 / 4,000$0.152$0.08539.9 s
構造化データの抽出2,000 / 200$0.0056$0.00346.0 s

OpenAIのほかのモデル

今月の新着

関連ページ

埋め込み・引用

GPT-4.1の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![GPT-4.1 on BenchLeader: 総合 178位](https://www.benchleader.com/badge/gpt-4-1.svg)](https://www.benchleader.com/models/gpt-4-1)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). GPT-4.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4-1

BibTeX:

@misc{benchleader_gpt_4_1_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-4.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-4-1}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

GPT-4.1のベンチマークスコアは?
2026年11月16日時点で、GPT-4.1のBenchLeader Indexは48.7 ±4.3です。最も強いのは人間の評価(59)、最も弱いのは知識(36)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
GPT-4.1の順位は?
2026年11月16日時点で、GPT-4.1はランク付けされた608構成中377位です。ほかに260構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
GPT-4.1の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、GPT-4.1の料金は入力100万トークンあたり$2.00、出力100万トークンあたり$8.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$3.50です。
GPT-4.1はいつリリースされましたか?
OpenAIが2025年4月14日にGPT-4.1をリリースしました。BenchLeaderには2通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「GPT-4.1:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-4-1