GPT-5.1

OpenAI · 发布于 2025-11-13

评分规则

编程、专业办公、知识问答证据不足

综合评分48.6未进入主榜 · 覆盖 32%评测较少（6/18）

编程43.6未进入分榜 · 覆盖 25%评测较少（1/4）单一机构

专业办公55.0未进入分榜 · 覆盖 25%评测较少（1/4）单一机构

知识问答51.4未进入分榜 · 覆盖 33%评测较少（1/3）单一机构

科研50.8第 49 名 · 覆盖 33%评测较少（2/6）单一机构

上下文窗口

400,000 token

API 价格

缓存 ¥0.84 · 输入 ¥8.36 · 输出 ¥66.86

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

6 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-08-27 至 2026-10-13；另有 3 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（4）

openai/gpt-5.1-2025-11-13
gpt-5.1-2025-11-13_high
gpt-5.1-2025-11-13_medium
gpt-5.1

编程

43.6

Vibe Code Bench v1.1Vals AI24.61%统一读数 33.2

来源: Vibe Code Bench v1.1
上游型号: openai/gpt-5.1-2025-11-13
运行配置: high · OpenHands · 输出上限 128000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

科研

50.8

Chess PuzzlesEpoch AI42.00%统一读数 60.6

来源: Chess Puzzles
上游型号: gpt-5.1-2025-11-13_high
运行配置: gpt-5.1-2025-11-13_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Mystery Game PuzzlesEpoch AI16.00%统一读数 43.5

来源: Mystery Game Puzzles
上游型号: gpt-5.1-2025-11-13_medium
运行配置: gpt-5.1-2025-11-13_medium
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

专业办公

55.0

MedCodeVals AI52.73%统一读数 72.6

来源: MedCode
上游型号: openai/gpt-5.1-2025-11-13
运行配置: high · Vals one-shot 统一流程 · 输出上限 30000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-13 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

知识问答

51.4

SimpleQA VerifiedEpoch AI48.00%统一读数 55.0

来源: SimpleQA Verified
上游型号: gpt-5.1-2025-11-13_high
运行配置: gpt-5.1-2025-11-13_high
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

真人偏好

45.7

Arena Text · 风格控制Arena1438.61 Elo统一读数 39.5

来源: Arena Text · 风格控制
上游型号: gpt-5.1
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（12）

FrontierMath T1–3 v2、LiveBench Coding、LiveBench Reasoning、LiveBench Data Analysis、LiveBench Language、LiveBench IF、Terminal-Bench 4.0、Code Migration、MysteryMechanism、Terminal-Bench-Science、Finance Agent (v2)、Harvey's Legal Agent Benchmark

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。