GPT-4.1 mini
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,价格只有 12 分之一。
有 63 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 60 个。
截至 2026年11月16日,GPT-4.1 mini(OpenAI)在 BenchLeader Index 上得分 46.3(共 608 个已排名配置)。表现最好的是知识(49),最弱的是编程(40)。API 价格为输入每百万 token $0.400、输出每百万 token $1.60(按 3:1 混合为 $0.700),为 2026年11月16日的标价。输出速度约为 96 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 mini 的 API 价格为输入每百万 token $0.400、输出每百万 token $1.60(按 3:1 混合为 $0.700)(标价,2026年11月16日)。
- GPT-4.1 mini 的输出速度约为 96 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-4.1 mini 于 2025年4月14日发布(OpenAI)。
详细说明:GPT-4.1 mini 是 OpenAI 的闭源模型,发布于 2025年4月14日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 46.3 ±3.0,在 608 个配置中排第 434 名,处于下半区。关键在于这个“±”:另有 224 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,知识得分最高(49),编程最低(40)。按混合价格计,每百万 token $0.700,价格居中。输出速度为 96 token/秒,首次回答需 1.5 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10月13日。
- 混合价格
- $0.700/M
- 输入 $0.400 · 输出 $1.60
- 来源:Artificial Analysis
- 输出速度
- 96 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 1.51 s
- 首 token 1.51 s
- 上下文
- 1.0M
- 来源:models.dev
- 完整回答
- 11 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
- 综合 Index46
- 编程40
- 数学46
- 知识49
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-4-1-mini)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。
版本
OpenAI 以这个名称发布过 3 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-5.4 Minixhigh | 2026年3月17日 | 55.1 | #220 |
| GPT-5 mini | 2025年8月7日 | 56.6 | #176 |
| GPT-4.1 minihigh本页 | 2025年4月14日 | 46.3 | #434 |
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。
Index 走势
2026年9月8日 至 2026年11月16日- high
- 默认
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 | – | 65.8%#192 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | 1403#179 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | 66.4%#338 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 5.0%#475 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 67.9%#97 | – | Vals AI | |
| Kagi LLM Benchmark推理强度未说明 | – | 48.6%#90 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | 61.4%#25 | HELM Capabilities | |
| ARC-AGI-1推理强度未说明 | – | 3.5%#260 | ARC Prize | |
| ARC-AGI-2推理强度未说明 | – | 0.0%#251 | ARC Prize | |
| CritPt不计入 Index推理强度未说明 | – | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | 1383#191 | Arena (LMArena) | |
| Chess Puzzles不计入 Index推理强度未说明 | – | 1.0%#155 | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index推理强度未说明 | – | 7.0%#128 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | 21.1%#165 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | 68.8%#167 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SciCode推理强度未说明 | – | 40.4%#176 | SciCode | |
| WeirdML推理强度未说明 | – | 37.6%#117 | WeirdML | |
| Arena Coding推理强度未说明 | – | 1433#175 | Arena (LMArena) | |
| LiveCodeBench | 58.2%#107 | – | Vals AI | |
| Aider Polyglot推理强度未说明 | – | 32.4%#47 | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | 23.9%#41 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | 23.9%#54 | SWE-bench | |
| CadEval不计入 Index推理强度未说明 | – | 16.0%#14 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明 | – | 10.1%#198 | Artificial Analysis | |
| Design Arena Website不计入 Index推理强度未说明 | – | 989#171 | Design Arena | |
| LiveCodeBench (AA)不计入 Index推理强度未说明 | – | 48.3%#144 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 7.6%#246 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 52.9%#195 | Artificial Analysis | |
| BFCL Overall | 50.5%#24 | Berkeley Function Calling Leaderboard | |
| GDPval-AA v2.1不计入 Index | 277#266 | Artificial Analysis | |
| τ³-Banking (AA) | 5.4%#182 | Artificial Analysis |
数学
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FrontierMath Tiers 1–3推理强度未说明 | – | 6.7%#113 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME推理强度未说明 | – | 44.7%#203 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | 87.3%#25 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 49.4%#62 | – | Vals AI | |
| MGSM | 87.8%#56 | – | Vals AI | |
| Omni-MATH (HELM)推理强度未说明 | – | 49.1%#19 | HELM Capabilities | |
| MATH 500不计入 Index | 88.0%#31 | – | Vals AI | |
| Arena Maths推理强度未说明 | – | 1353#202 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index推理强度未说明 | – | 46.3%#142 | Artificial Analysis |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified推理强度未说明 | – | 12.7%#93 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 77.2%#103 | – | Vals AI | |
| LegalBench | 78.0%#102 | – | Vals AI | |
| CorpFin | 57.9%#85 | – | Vals AI | |
| TaxEval | 71.9%#68 | – | Vals AI | |
| MedQA | 84.6%#59 | – | Vals AI | |
| PRBench Finance推理强度未说明 | – | 30.4%#41 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | 30.4%#47 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | 78.3%#25 | HELM Capabilities |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 38.3%#284 | Artificial Analysis | |
| IFEval (HELM) | 90.4%#9 | HELM Capabilities | |
| WildBench (HELM) | 83.8%#16 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1373#178 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1383#180 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1145#94 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1349#175 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1393#170 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1390#178 | Arena (LMArena) |
多模态
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | 1181#101 | Arena (LMArena) | |
| MMMU-Pro推理强度未说明 | – | 58.7%#230 | Artificial Analysis | |
| VISTA推理强度未说明 | – | 41.1%#38 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | 70.5%#69 | – | Vals AI | |
| MortgageTax不计入 Index | 65.5%#39 | – | Vals AI |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Fiction.LiveBench 120k | 46.9%#23 | Fiction.live | |
| AA-LCR v1.1 | 44.0%#364 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 134.2#134 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 10.2#392 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 195.4#437 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 72.6%#19 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 59.2%#78 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 50.0%#49 | Scale 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 |
|---|---|---|---|---|---|---|
| Azure | 133 tok/s | 0.62 s | $0.440 | $1.76 | 1.0M | – |
| Azure | 84 tok/s | 1.14 s | $0.400 | $1.60 | 1.0M | – |
| OpenAI | 73 tok/s | 0.92 s | $0.400 | $1.60 | 1.0M | – |
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 $0.100。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 | $0.0006 | $0.0006 | 4.6 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0058 | $0.0031 | 7.8 s |
| 代码编辑 | 6,000 / 1,500 | $0.0048 | $0.0035 | 17.2 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.030 | $0.017 | 43.3 s |
| 结构化信息提取 | 2,000 / 200 | $0.0011 | $0.0007 | 3.6 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-4.1 mini 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。
[](https://www.benchleader.com/models/gpt-4-1-mini)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 mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4-1-mini
BibTeX:
@misc{benchleader_gpt_4_1_mini_20261116,
author = {{BenchLeader}},
title = {{GPT-4.1 mini on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-4-1-mini}},
note = {Data as of 2026-11-16}
}常见问题
- GPT-4.1 mini 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-4.1 mini(推理强度 high)的 BenchLeader Index 为 46.3 ±3.0。最强的是知识(49),最弱的是编程(40)。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 mini 排名第几?
- 截至 2026年11月16日,GPT-4.1 mini(推理强度 high)在 608 个已排名配置中排第 434 名。另有 224 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 mini 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-4.1 mini 的价格为输入每百万 token $0.400、输出每百万 token $1.60,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.700。
- GPT-4.1 mini 是什么时候发布的?
- OpenAI 于 2025年4月14日发布了 GPT-4.1 mini。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 mini: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-mini。