BenchLeader

GPT-4.1 mini

推理强度
质量第 211 / 339 名
46.3Index
低于中位数
较中位数 −3.9
价格第 114 / 255 名
$0.700每百万 token
比多数便宜
中位数的 0.8 倍
速度第 88 / 216 名
96token/秒
高于中位数
中位数的 1.2 倍
性价比第 112 / 255 名
66.1分/$
高于中位数
中位数的 1.2 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index46
  2. 编程40
  3. 数学46
  4. 知识49

嵌入这个排名

更多徽章样式
[![GPT-4.1 mini on BenchLeader: 综合第 206 名](https://www.benchleader.com/badge/gpt-4-1-mini.svg?style=compact)](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。

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 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 Minixhigh2026年3月17日55.1#220
GPT-5 mini2025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。

推理强度Index排名速度首次回答聊天回复成本类别
high最佳46.3#43496 tok/s1.51 s$0.0006编程 40 · 知识 49 · 数学 46
未说明44.7#46596 tok/s1.51 s$0.0006智能体与工具 46 · 编程 38 · 人类偏好 55 · 指令遵循 55 · 知识 23 · 长上下文 45 · 数学 49 · 多模态 46 · 推理 40

Index 走势

2026年9月8日 至 2026年11月16日
424650
  • 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%#192Epoch AI Benchmarking Hub
Arena Hard Prompts推理强度未说明–1403#179Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–66.4%#338Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–5.0%#475Artificial Analysis
GPQA Diamond (Vals)不计入 Index67.9%#97–Vals AI
Kagi LLM Benchmark推理强度未说明–48.6%#90Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明–61.4%#25HELM Capabilities
ARC-AGI-1推理强度未说明–3.5%#260ARC Prize
ARC-AGI-2推理强度未说明–0.0%#251ARC 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–1383#191Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明–1.0%#155Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index推理强度未说明–7.0%#128Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–21.1%#165Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–68.8%#167Epoch 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%#176SciCode
WeirdML推理强度未说明–37.6%#117WeirdML
Arena Coding推理强度未说明–1433#175Arena (LMArena)
LiveCodeBench58.2%#107–Vals AI
Aider Polyglot推理强度未说明–32.4%#47Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明–23.9%#41SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明–23.9%#54SWE-bench
CadEval不计入 Index推理强度未说明–16.0%#14Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–10.1%#198Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–989#171Design Arena
LiveCodeBench (AA)不计入 Index推理强度未说明–48.3%#144Artificial 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%#113Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–44.7%#203Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明–87.3%#25Epoch AI Benchmarking Hub
AIME (Vals)49.4%#62–Vals AI
MGSM87.8%#56–Vals AI
Omni-MATH (HELM)推理强度未说明–49.1%#19HELM Capabilities
MATH 500不计入 Index88.0%#31–Vals AI
Arena Maths推理强度未说明–1353#202Arena (LMArena)
AIME 2025 (AA)不计入 Index推理强度未说明–46.3%#142Artificial 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%#93Epoch AI Benchmarking Hub
MMLU-Pro77.2%#103–Vals AI
LegalBench78.0%#102–Vals AI
CorpFin57.9%#85–Vals AI
TaxEval71.9%#68–Vals AI
MedQA84.6%#59–Vals AI
PRBench Finance推理强度未说明–30.4%#41Scale AI SEAL
PRBench Legal推理强度未说明–30.4%#47Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–78.3%#25HELM Capabilities

指令遵循

人类偏好

基准测试默认来源趋势
Arena Text1383#180Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1145#94EQ-Bench
Arena Creative Writing不计入 Index1349#175Arena (LMArena)
Arena Multi-turn不计入 Index1393#170Arena (LMArena)
Arena Longer Queries不计入 Index1390#178Arena (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#101Arena (LMArena)
MMMU-Pro推理强度未说明–58.7%#230Artificial Analysis
VISTA推理强度未说明–41.1%#38Scale AI SEAL
MMMU-Pro (Vals)不计入 Index70.5%#69–Vals AI
MortgageTax不计入 Index65.5%#39–Vals AI

长上下文

基准测试默认来源趋势
Fiction.LiveBench 120k46.9%#23Fiction.live
AA-LCR v1.144.0%#364Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index134.2#134Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index10.2#392Artificial Analysis
AA Progress Index v1不计入 Index195.4#437Artificial Analysis
HELM Capabilities mean不计入 Index72.6%#19HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index59.2%#78Scale AI SEAL
MASK不计入 Index可能存在污染50.0%#49Scale 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
Azure133 tok/s0.62 s$0.440$1.761.0M–
Azure84 tok/s1.14 s$0.400$1.601.0M–
OpenAI73 tok/s0.92 s$0.400$1.601.0M–

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$0.00064.6 s
总结一份 30 页的报告12,000 / 600$0.0058$0.00317.8 s
代码编辑6,000 / 1,500$0.0048$0.003517.2 s
智能体编程会话60,000 / 4,000$0.030$0.01743.3 s
结构化信息提取2,000 / 200$0.0011$0.00073.6 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 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。

[![GPT-4.1 mini on BenchLeader: 综合第 206 名](https://www.benchleader.com/badge/gpt-4-1-mini.svg)](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}
}

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 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。