OpenAI 最新发布的 GPT-4.1 系列模型在编程能力上实现了显著提升，但根据多项测试结果，其性能未能全面超越谷歌的 Gemini 系列。虽然 GPT-4.1 在 SWE-bench Verified 跑分中表现出色，优于 GPT-4o，但在错误率、成本和编码专项测试中，Gemini 2.0 Flash 均表现更佳。此外，多位专家指出 GPT-4.1 的性价比不及 Gemini 2.0 Flash 等竞品。尽管如此，GPT-4.1 的编码能力仍属行业顶尖水平。

💻 在 SWE-bench Verified 跑分中，GPT-4.1 的得分为 54.6%，远超 GPT-4o 的 21.4% 和 GPT-4o mini 的成绩，显示其在编程方面的能力有显著提升。

📊 Stagehand 发布的基准数据显示，Gemini 2.0 Flash 的错误率仅为 6.67%，精确匹配率高达 90%，且价格低廉、速度更快，而 GPT-4.1 的错误率高达 16.67%，成本更是 Gemini 2.0 Flash 的 10 倍以上。

🔬 哈佛大学 RNA 科学家 Pierre Bongrand 的数据表明，GPT-4.1 的性价比不及 Gemini 2.0 Flash、Gemini 2.5 Pro 及 DeepSeek 等竞品，表明其在实际应用中的成本效益相对较低。

💡 在编码专项测试中，GPT-4.1 的编码得分为 52%，而 Gemini 2.5 则以 73% 的成绩遥遥领先，说明在特定任务中，GPT-4.1 的表现不如 Gemini 系列。

⚠️ 虽然 GPT-4.1 被归类为非推理模型，但其编码能力依然处于行业顶尖水平，体现了其在人工智能领域的强大实力。

IT之家 4 月 16 日消息，科技媒体 bleepingcomputer 昨日（4 月 15 日）发布博文，报道称 OpenAI 最新发布的 GPT-4.1 系列模型，其性能相比 GPT-4o 虽然实现重大飞跃，但多项跑分未能超越谷歌的 Gemini 系列。

IT之家昨日报道，OpenAI 公司发布 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano，官方公布的跑分数据来看，这些模型在编程方面的能力，远超 GPT-4o 及 GPT-4o mini。

例如在 SWE-bench Verified 跑分中，GPT-4o 的得分为 21.4%，GPT-4.5 的得分为 26.6%，而 GPT-4.1 的得分为 54.6%。

尽管性能有较大提升，不过根据多位专家测试，相比较谷歌的 Gemini 系列，GPT-4.1 对比中却显露劣势。

根据 Stagehand（一款生产级浏览器自动化框架）发布的基准数据，Gemini 2.0 Flash 的错误率仅为 6.67%，精确匹配率高达 90%，且价格低廉、速度更快。相比之下，GPT-4.1 的错误率高达 16.67%，成本更是 Gemini 2.0 Flash 的 10 倍以上。

此外，哈佛大学 RNA 科学家 Pierre Bongrand 提供的数据也指出，GPT-4.1 的性价比不及 Gemini 2.0 Flash、Gemini 2.5 Pro 及 DeepSeek 等竞品。

在编码专项测试中，GPT-4.1 同样未能占据上风。Aider Polyglot 的测试结果显示，GPT-4.1 的编码得分仅为 52%，而 Gemini 2.5 则以 73% 的成绩遥遥领先。

值得注意的是，GPT-4.1 被归类为非推理模型（non-reasoning model），但其编码能力仍属行业顶尖。