近日，OpenAI发布GPT-4.1系列模型，包括GPT-4.1、GPT-4.1 mini和GPT-4.1 nano。新模型在编程能力上实现显著突破，例如在SWE-bench Verified测试中，GPT-4.1得分达54.6%，远超前代GPT-4o的21.4%。然而，与谷歌Gemini系列相比，GPT-4.1仍显不足。Stagehand发布的数据显示，Gemini 2.0 Flash错误率仅为6.67%，精确匹配率达90%，且成本低廉、速度更快，而GPT-4.1错误率高达16.67%，成本是Gemini的10倍以上。

此外，在编码专项测试中，Gemini 2.5以73%的得分领先GPT-4.1的52%。尽管如此，GPT-4.1作为非推理模型，其编码能力仍处于行业顶尖水平。哈佛大学科学家Pierre Bongrand的数据进一步表明，GPT-4.1在性价比方面不及Gemini及DeepSeek等竞品。