科技媒體 bleepingcomputer 昨日（4 月 15 日）發(fā)布博文，報(bào)道稱 OpenAI 最新發(fā)布的 GPT-4.1 系列模型，其性能相比 GPT-4o 雖然實(shí)現(xiàn)重大飛躍，但多項(xiàng)跑分未能超越谷歌的 Gemini 系列。
IT之家昨日報(bào)道，OpenAI 公司發(fā)布 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano，官方公布的跑分?jǐn)?shù)據(jù)來看，這些模型在編程方面的能力，遠(yuǎn)超 GPT-4o 及 GPT-4o mini。
例如在 SWE-bench Verified 跑分中，GPT-4o 的得分為 21.4%，GPT-4.5 的得分為 26.6%，而 GPT-4.1 的得分為 54.6%。
盡管性能有較大提升，不過根據(jù)多位專家測試，相比較谷歌的 Gemini 系列，GPT-4.1 對比中卻顯露劣勢。
根據(jù) Stagehand（一款生產(chǎn)級瀏覽器自動化框架）發(fā)布的基準(zhǔn)數(shù)據(jù)，Gemini 2.0 Flash 的錯誤率僅為 6.67%，精確匹配率高達(dá) 90%，且價格低廉、速度更快。相比之下，GPT-4.1 的錯誤率高達(dá) 16.67%，成本更是 Gemini 2.0 Flash 的 10 倍以上。
此外，哈佛大學(xué) RNA 科學(xué)家 Pierre Bongrand 提供的數(shù)據(jù)也指出，GPT-4.1 的性價比不及 Gemini 2.0 Flash、Gemini 2.5 Pro 及 DeepSeek 等競品。
在編碼專項(xiàng)測試中，GPT-4.1 同樣未能占據(jù)上風(fēng)。Aider Polyglot 的測試結(jié)果顯示，GPT-4.1 的編碼得分僅為 52%，而 Gemini 2.5 則以 73% 的成績遙遙領(lǐng)先。
值得注意的是，GPT-4.1 被歸類為非推理模型（non-reasoning model），但其編碼能力仍屬行業(yè)頂尖。 
