GPT-5.1vsGemini 2.5-Pro
在 14 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 13 项，Gemini 2.5-Pro 领先 1 项，持平 0 项，平均分差 +16.02。
GPT-5.1
OpenAI · 2025-11-12 · 推理大模型
Gemini 2.5-Pro
Google Deep Mind · 2025-06-05 · 推理大模型
GPT-5.113 项(93%)(7%)1 项Gemini 2.5-Pro
评测分数
按能力类目分组，每组内按分差大小排列；共 14 项。
综合评估
GPT-5.1 领先 4/4| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| ARC-AGI | 72.8025 / 65high | 3747 / 65thinking | +35.80 |
| HLE | 42.7038 / 149Thinking High (With Tools + Internet) | 21.6089 / 149thinking | +21.10 |
| ARC-AGI-2 | 17.6032 / 58high | 4.9043 / 58thinking | +12.70 |
| GPQA Diamond | 88.1025 / 175Thinking High (No Tools) | 86.4038 / 175thinking | +1.70 |
数学推理
GPT-5.1 领先 3/3| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 1123 / 60 | +15.70 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (With Tools) | 2.1056 / 80Normal (No Tools) | +10.40 |
| AIME2025 | 9428 / 106Thinking High (No Tools) | 8843 / 106thinking | +6 |
Agent能力评测
GPT-5.1 领先 2/2| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 95.6014 / 35Thinking High (With Tools) | 5432 / 35thinking + 使用工具 | +41.60 |
| Terminal Bench Hard | 432 / 13Thinking High (With Tools) | 2512 / 13thinking + 使用工具 | +18 |
AI Agent - 信息收集
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| BrowseComp | 50.8034 / 43Thinking High (No Tools) | 7.8042 / 43thinking + 使用工具 | +43 |
AI Agent - 工具使用
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 47.6034 / 43Thinking High (With Tools) | 32.6043 / 43thinking + 使用工具 | +15 |
多模态理解
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| MMMU | 85.402 / 28Thinking High (No Tools) | 829 / 28thinking | +3.40 |
常识推理
Gemini 2.5-Pro 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| Simple Bench | 53.2010 / 27high | 62.402 / 27thinking | -9.20 |
编程与软件工程
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Gemini 2.5-Pro | 分差 |
|---|---|---|---|
| SWE-bench Verified | 76.3025 / 103high | 67.2063 / 103thinking | +9.10 |
规格对比
| 字段 | GPT-5.1 | Gemini 2.5-Pro |
|---|---|---|
| 发布机构 | OpenAI | Google Deep Mind |
| 发布时间 | 2025-11-12 | 2025-06-05 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 0.0 | 0.0 |
| 上下文长度 | 400K | 1000K |
| 最大输出 | 131072 | 65536 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.1 | Gemini 2.5-Pro |
|---|---|---|
| 文本输入 | 1.25 美元/100万 tokens | 1.25 美元/100 万tokens |
| 文本输出 | 10 美元/100万 tokens | 10 美元/100 万tokens |
| 缓存读取 | 0.125 美元/100万 tokens | 0.125 美元/100 万tokens |
小结
- GPT-5.1在以下类目领先:综合评估 (4/4)、数学推理 (3/3)、Agent能力评测 (2/2)、AI Agent - 信息收集 (1/1)、AI Agent - 工具使用 (1/1)、多模态理解 (1/1)、编程与软件工程 (1/1)
- Gemini 2.5-Pro在以下类目领先:常识推理 (1/1)
14 个共同 benchmark 上，GPT-5.1 平均高出 16.02 分。
单项差距最大的 benchmark：BrowseComp — GPT-5.1 50.80，Gemini 2.5-Pro 7.80（分差 +43）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。