GPT-4.1与Gemini系列人工智能模型编程能力对比：非推理模型领域谁主沉浮？

（由多段落组成）：

随着人工智能技术的快速发展，各大科技公司不断推出更强大的模型。近日，OpenAI 发布了全新的 GPT-4.1 系列模型，包括 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。尽管这些新模型在性能上较之前的 GPT-4o 系列有了显著提升，但与谷歌的 Gemini 系列相比，仍存在一定差距。

根据官方提供的数据，在编程能力方面，GPT-4.1 表现出色。例如，在 SWE-bench Verified 测试中，GPT-4.1 的得分达到了 54.6%，远超 GPT-4o 的 21.4% 和 GPT-4.5 的 26.6%。然而，多位专家测试后指出，GPT-4.1 在某些关键指标上仍落后于谷歌的 Gemini 系列。

具体来看，Stagehand（一款生产级浏览器自动化框架）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%，同时具备更低的成本和更快的速度。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 提供的数据也显示，GPT-4.1 的性价比不及 Gemini 2.0 Flash、Gemini 2.5 Pro 和 DeepSeek 等竞争对手。特别是在编码专项测试中，Aider Polyglot 的测试结果显示，GPT-4.1 的编码得分为 52%，而 Gemini 2.5 则以 73% 的成绩遥遥领先。

值得注意的是，尽管 GPT-4.1 被归类为非推理模型（non-reasoning model），但其编码能力仍然处于行业顶尖水平。这表明 OpenAI 在特定领域依然保持竞争力，但面对谷歌 Gemini 系列的强大挑战，未来还需要进一步优化和改进。

广告声明：本文中的对外跳转链接（包括但不限于超链接、二维码、口令等形式）旨在提供更多信息，节省用户甄选时间，仅供参考。IT之家所有文章均包含此声明。

本文来源：