BenchLeader

GPT-4.1

推理强度
质量第 181 / 339 名
48.7Index
低于中位数
较中位数 −1.5
价格第 202 / 255 名
$3.50每百万 token
最贵的四分之一
中位数的 4.1 倍
速度第 64 / 216 名
112token/秒
高于中位数
中位数的 1.4 倍
性价比第 209 / 255 名
13.9分/$
后四分之一
中位数的 0.3 倍

性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,价格只有 58 分之一。

有 121 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38),另有 118 个。

截至 2026年11月16日,GPT-4.1(OpenAI)在 BenchLeader Index 上得分 48.7(共 608 个已排名配置)。表现最好的是人类偏好(59),最弱的是知识(36)。API 价格为输入每百万 token $2.00、输出每百万 token $8.00(按 3:1 混合为 $3.50),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2025年4月14日。

要点(截至 2026年11月16日)

  • GPT-4.1 的 API 价格为输入每百万 token $2.00、输出每百万 token $8.00(按 3:1 混合为 $3.50)(标价,2026年11月16日)。
  • GPT-4.1 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-4.1 于 2025年4月14日发布(OpenAI)。

详细说明:GPT-4.1 是 OpenAI 的闭源模型,发布于 2025年4月14日。其最佳配置在 BenchLeader Index 上得分 48.7 ±4.3,在 608 个配置中排第 377 名,处于下半区。关键在于这个“±”:另有 260 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(59),知识最低(36)。按混合价格计,每百万 token $3.50,属于已排名模型中最贵的一档。输出速度为 112 token/秒,首次回答需 4.2 秒,比大多数模型快。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$3.50/M
输入 $2.00 · 输出 $8.00
来源:Artificial Analysis
输出速度
112 tok/s
由 Artificial Analysis 测量
首次回答
4.17 s
首 token 0.99 s
上下文
1.0M
来源:models.dev
完整回答
12 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2025年4月14日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index49
  2. 推理39
  3. 编程43
  4. 智能体与工具58
  5. 数学48
  6. 知识36
  7. 指令遵循48
  8. 人类偏好59
  9. 多模态51
  10. 长上下文56

嵌入这个排名

更多徽章样式
[![GPT-4.1 on BenchLeader: 综合第 178 名](https://www.benchleader.com/badge/gpt-4-1.svg?style=compact)](https://www.benchleader.com/models/gpt-4-1)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

OpenAI 以这个名称发布过 13 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
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本页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–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
high46.6#428112 tok/s4.17 s$0.0032编程 38 · 知识 55 · 数学 43
未说明最佳48.7#377112 tok/s4.17 s$0.0032智能体与工具 58 · 编程 43 · 人类偏好 59 · 指令遵循 48 · 知识 36 · 长上下文 56 · 数学 48 · 多模态 51 · 推理 39

Index 走势

2026年9月8日 至 2026年11月16日
414854
  • 默认
  • high

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试high默认来源趋势
GPQA Diamond推理强度未说明–66.9%#190Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–5.4%#42Scale AI / CAIS
SimpleBench推理强度未说明–27.0%#94SimpleBench
Arena Hard Prompts推理强度未说明–1432#143Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–66.6%#336Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–4.2%#553Artificial Analysis
GPQA Diamond (Vals)不计入 Index65.4%#99–Vals AI
Kagi LLM Benchmark推理强度未说明–52.3%#74Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明–65.9%#18HELM Capabilities
ARC-AGI-1推理强度未说明–5.5%#252ARC Prize
ARC-AGI-2推理强度未说明–0.4%#248ARC Prize
CritPt不计入 Index推理强度未说明–0.0%#337Artificial Analysis
Arena Expert不计入 Index推理强度未说明–1406#166Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明–11.0%#128Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–25.6%#156Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–68.3%#169Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–62.0%#60ForecastBench

编程

基准测试high默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明–48.5%#32Epoch AI Benchmarking Hub
WeirdML推理强度未说明–39.0%#109WeirdML
Arena Coding推理强度未说明–1456#146Arena (LMArena)
LiveCodeBench54.7%#111–Vals AI
Aider Polyglot推理强度未说明–52.4%#33Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明–39.6%#37SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明–39.6%#47SWE-bench
CadEval不计入 Index推理强度未说明–42.0%#8Epoch AI Benchmarking Hub
ALE-Bench不计入 Index推理强度未说明–558.1#115Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明–1030#163Design Arena
LiveCodeBench (AA)不计入 Index推理强度未说明–45.7%#154Artificial Analysis

智能体与工具

基准测试high默认来源趋势
Terminal-Bench Hard推理强度未说明–13.6%#206Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index推理强度未说明–47.1%#206Artificial Analysis
BFCL Overall推理强度未说明–54.0%#18Berkeley Function Calling Leaderboard
Terminal-Bench 2.0 (Vals)不计入 Index14.6%#61–Vals AI
BrowseComp-Plus不计入 Index推理强度未说明–15.3%#13BrowseComp-Plus
BrowseComp不计入 Index推理强度未说明–3.5%#6OpenAI

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–3推理强度未说明–6.0%#114Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–38.3%#211Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明–83.0%#31Epoch AI Benchmarking Hub
AIME (Vals)39.6%#69–Vals AI
MGSM87.7%#57–Vals AI
Omni-MATH (HELM)推理强度未说明–47.1%#21HELM Capabilities
MATH 500不计入 Index87.2%#32–Vals AI
Arena Maths推理强度未说明–1375#182Arena (LMArena)
AIME 2025 (AA)不计入 Index推理强度未说明–34.7%#167Artificial Analysis

知识

基准测试high默认来源趋势
SimpleQA Verified推理强度未说明–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推理强度未说明–34.3%#39Scale AI SEAL
PRBench Legal推理强度未说明–36.5%#44Scale AI SEAL
MultiNRC推理强度未说明–21.2%#34Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–81.1%#16HELM Capabilities
CaseLaw v2不计入 Index69.9%#3–Vals AI

人类偏好

基准测试默认来源趋势
Arena Text1415#140Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1420#72EQ-Bench
Arena Creative Writing不计入 Index1403#106Arena (LMArena)
Arena Multi-turn不计入 Index1430#118Arena (LMArena)
Arena Longer Queries不计入 Index1426#131Arena (LMArena)

多模态

基准测试high默认来源趋势
Arena Vision推理强度未说明–1210#88Arena (LMArena)
MMMU-Pro推理强度未说明–61.2%#221Artificial Analysis
VISTA推理强度未说明–45.3%#26Scale AI SEAL
MMMU-Pro (Vals)不计入 Index72.4%#63–Vals AI
MortgageTax不计入 Index65.9%#36–Vals AI
VTB不计入 Index推理强度未说明–5.5%#13Scale AI SEAL
GeoBench不计入 Index推理强度未说明–72.0%#23GeoBench

长上下文

基准测试默认来源趋势
Fiction.LiveBench 120k62.5%#13Fiction.live
AA-LCR v1.168.3%#252Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index136.2#127Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index12.7#336Artificial Analysis
AA Progress Index v1不计入 Index198.7#422Artificial Analysis
HELM Capabilities mean不计入 Index72.7%#17HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index53.0%#72Scale AI SEAL
MASK不计入 Index可能存在污染51.1%#48Scale AI SEAL

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
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–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.500。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0032$0.00286.9 s
总结一份 30 页的报告12,000 / 600$0.029$0.0159.5 s
代码编辑6,000 / 1,500$0.024$0.01717.6 s
智能体编程会话60,000 / 4,000$0.152$0.08539.9 s
结构化信息提取2,000 / 200$0.0056$0.00346.0 s

OpenAI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-4.1 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

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

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GPT-4.1 的基准测试得分是多少?
截至 2026年11月16日,GPT-4.1 的 BenchLeader Index 为 48.7 ±4.3。最强的是人类偏好(59),最弱的是知识(36)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
GPT-4.1 排名第几?
截至 2026年11月16日,GPT-4.1 在 608 个已排名配置中排第 377 名。另有 260 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
GPT-4.1 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-4.1 的价格为输入每百万 token $2.00、输出每百万 token $8.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.50。
GPT-4.1 是什么时候发布的?
OpenAI 于 2025年4月14日发布了 GPT-4.1。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《GPT-4.1:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-4-1。