SprachmodellAktiv

GPT-4.1 mini

OpenAI

Veröffentlicht: 14. April 2025
Datenstand: 8. September 2026

Intelligenz: Nicht gerankt
Gesamtwertung
Geschwindigkeit: 111,5 Token/s
Ausgabe-Tempo
Preis: 0,4 $ · 1,6 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild
Ausgabe: Text

Für dieses Modell liegt keine veröffentlichte, kategorieweit vergleichbare Gesamtwertung vor.

Einträge 1-12 von 97. Seite 1 von 9.

Veröffentlichte Benchmarks

Die Charts vergleichen Modelle im selben dokumentierten Test. Das aktuelle Modell ist hervorgehoben.

VISTA

Overall

Was der Benchmark prüft: 758 Bild-Text-Aufgaben verbinden OCR, räumliches Verständnis, Objekterkennung und offene visuelle Schlussfolgerungen.

Einordnung: Der Datensatz ist privat und wird mit aufgabenspezifischen Rubriken bewertet. Die Ergebnisse sind daher schwer unabhängig nachzurechnen.

Mehr ist besser11 ModelleGPT-4.1 mini: Platz 9 von 11Datenstand: 26. August 2026

1.Gemini 2.5 Pro54,63 %

2.GPT-5.4 Pro53,89 %

3.GPT-5 pro52,39 %

4.o3-pro51,63 %

5.GPT-5.450,89 %

6.GPT-5 mini50,39 %

7.GPT-549,69 %

8.GPT-4.145,34 %

9.GPT-4.1 mini41,14 %

10.Llama 4 Maverick38,33 %

11.GPT-4.1 nano26,55 %

Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-vista-private-overall
Messgröße: rubric score
Skala: 0-100
Teilnehmer: 11
Methodik und Einordnung: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/gpt-4.1-mini. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 41,14 % ± 0,58. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-5edf9af15d2e. Prüfsumme der Quelldaten: 5edf9af15d2e4bb35a694ad24c9d764cfdc08543d3ae92cf5a387efbda259c8c. Parserversion: curated-v1. Importiert am: 2026-09-04

Quelle: Scale AI

Finanzen

4 Messreihen

CorpFin v2

Exact Pages

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 2 von 3Datenstand: 11. August 2026

1.GPT-4.162,82 %

2.GPT-4.1 mini59,44 %

3.GPT-4.1 nano48,95 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:exact_pages
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 3.307. Standardfehler: 1.676. Kosten je Aufgabe in USD: 0.000891. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

CorpFin v2

Max Fitting Context

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 2 von 3Datenstand: 11. August 2026

1.GPT-4.160,84 %

2.GPT-4.1 mini55,01 %

3.GPT-4.1 nano38,46 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:max_fitting_context
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 8.221. Standardfehler: 1.698. Kosten je Aufgabe in USD: 0.051823. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

CorpFin v2

Overall

Mehr ist besser50 ModelleGPT-4.1 mini: Platz 40 von 50Datenstand: 4. September 2026

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.Grok 4.567,41 %

10.Claude Sonnet 566,98 %

11.Kimi K2.666,74 %

12.Gemini 3 Flash66,43 %

13.Grok 4.666,16 %

14.GLM-5.266,12 %

15.GPT-5.6 Terra65,31 %

16.GPT-5.465,27 %

17.Gemini 3.5 Flash64,69 %

18.Gemini 3.1 Pro Preview64,49 %

19.GLM-5.164,45 %

20.GPT-5.6 Sol64,38 %

21.GPT-5.6 Luna64,22 %

22.Gemini 3.6 Flash63,33 %

23.GPT-4.163,05 %

24.GLM-562,9 %

25.MiMo-V2.5-Pro61,42 %

26.DeepSeek-V4-Pro61,38 %

27.GPT-5.4 nano61,19 %

28.GPT-561,07 %

29.GLM-4.560,96 %

30.GPT-5.4 mini60,92 %

31.Gemini 2.5 Pro60,8 %

32.Gemini 3.5 Flash-Lite60,68 %

33.Kimi K2 Thinking60,57 %

34.GPT-5 mini60,18 %

35.MiMo-V2.559,91 %

36.o359,71 %

37.Gemini 3.1 Flash-Lite59,36 %

38.o4-mini58,97 %

39.GPT OSS 120B58,24 %

40.GPT-4.1 mini57,93 %

41.GLM-4.656,84 %

42.DeepSeek-V3 032454,74 %

43.Trinity Large Thinking54,66 %

44.DeepSeek-R154,12 %

45.GPT OSS 20B53,15 %

46.DeepSeek-V352,49 %

47.GLM-4.746,39 %

48.GPT-4o mini45,46 %

49.o3-mini45,3 %

50.GPT-4.1 nano42,08 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 50
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 6.443. Kosten je Aufgabe in USD: 0.026113. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

CorpFin v2

Shared Max Context

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 2 von 3Datenstand: 11. August 2026

1.GPT-4.165,5 %

2.GPT-4.1 mini59,32 %

3.GPT-4.1 nano38,81 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:shared_max_context
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 7.8. Standardfehler: 1.677. Kosten je Aufgabe in USD: 0.025626. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

Reasoning

3 Messreihen

GPQA Diamond

Few-Shot CoT

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 1 von 3Datenstand: 11. August 2026

1.GPT-4.1 mini64,65 %

2.GPT-4.164,14 %

3.GPT-4.1 nano51,01 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:diamond_few_shot_cot
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 8.974. Standardfehler: 3.397. Kosten je Aufgabe in USD: 0.002537. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-08-11-d3325290a404. Prüfsumme der Quelldaten: d3325290a40411054e05ecb86812143465b4d8eee24a0f71f6cf5dfee5b232a1. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

GPQA Diamond

Zero-Shot CoT

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 1 von 3Datenstand: 11. August 2026

1.GPT-4.1 mini71,21 %

2.GPT-4.166,67 %

3.GPT-4.1 nano50,51 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:diamond_zero_shot_cot
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 9.589. Standardfehler: 3.25. Kosten je Aufgabe in USD: 0.002112. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-08-11-d3325290a404. Prüfsumme der Quelldaten: d3325290a40411054e05ecb86812143465b4d8eee24a0f71f6cf5dfee5b232a1. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

GPQA Diamond

Overall

Mehr ist besser54 ModelleGPT-4.1 mini: Platz 47 von 54Datenstand: 4. September 2026

1.Gemini 3.1 Pro Preview95,45 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,44 %

5.Gemini 3.7 Flash93,94 %

6.Claude Opus 593,43 %

6.Gemini 3.6 Flash93,43 %

8.Claude Fable 593,18 %

8.GPT-5.593,18 %

10.Grok 4.592,93 %

10.Kimi K392,93 %

12.Gemini 3.5 Flash92,68 %

13.GPT-5.491,67 %

13.GPT-5.6 Luna91,67 %

15.Grok 4.391,41 %

16.GPT-5.6 Terra90,91 %

17.DeepSeek-V4-Pro89,39 %

18.Kimi K2.689,14 %

19.Claude Sonnet 588,89 %

20.GLM-5.388,13 %

21.Gemini 3 Flash87,88 %

22.Inkling87,12 %

23.GLM-5.3-Flash86,36 %

24.GLM-5.285,61 %

24.GPT-585,61 %

26.GLM-5.184,52 %

27.Kimi K2.584,09 %

27.o384,09 %

29.Gemini 3.5 Flash-Lite83,84 %

30.Inkling Small83,59 %

31.GLM-583,33 %

32.GPT-5.4 mini83,08 %

33.MiMo-V2.5-Pro82,58 %

34.MiMo-V2.581,57 %

35.Gemini 3.1 Flash-Lite81,06 %

36.GPT-5 mini80,3 %

37.GLM-4.780,05 %

38.GPT OSS 120B78,54 %

38.Kimi K2 Thinking78,54 %

40.GPT-5.4 nano77,53 %

41.o3-mini75,51 %

42.GLM-4.674,5 %

42.o4-mini74,5 %

44.o173,23 %

45.GLM-4.572,22 %

46.GPT OSS 20B68,94 %

47.GPT-4.1 mini67,93 %

48.GPT-4.165,4 %

49.GPT-5 nano63,38 %

50.DeepSeek-V3 032461,62 %

51.DeepSeek-V354,55 %

52.GPT-4.1 nano50,76 %

53.GPT-4o mini44,19 %

54.Command R+31,06 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 9.282. Kosten je Aufgabe in USD: 0.002324. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Programmieren

4 Messreihen

LiveCodeBench v6

Easy

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 1 von 3Datenstand: 11. August 2026

1.GPT-4.1 mini95,34 %

2.GPT-4.194,72 %

3.GPT-4.1 nano85,4 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:easy
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 2.25. Standardfehler: 1.174. Kosten je Aufgabe in USD: 0.000377. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

LiveCodeBench v6

Hard

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 1 von 3Datenstand: 11. August 2026

1.GPT-4.1 mini21,43 %

2.GPT-4.113,14 %

3.GPT-4.1 nano8,29 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:hard
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 62.607. Standardfehler: 2.193. Kosten je Aufgabe in USD: 0.002221. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

LiveCodeBench v6

Medium

Mehr ist besser3 ModelleGPT-4.1 mini: Platz 1 von 3Datenstand: 11. August 2026

1.GPT-4.1 mini57,7 %

2.GPT-4.156,14 %

3.GPT-4.1 nano34,47 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:medium
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 17.92. Standardfehler: 2.524. Kosten je Aufgabe in USD: 0.000936. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11

Quelle: Vals AI

LiveCodeBench v6

Overall

Mehr ist besser56 ModelleGPT-4.1 mini: Platz 50 von 56Datenstand: 4. September 2026

1.Claude Fable 589,78 %

2.Gemini 3.8 Flash89,48 %

3.Claude Opus 589,03 %

4.Gemini 3.7 Flash88,65 %

5.Gemini 3.1 Pro Preview88,49 %

6.Grok 4.688,22 %

7.Gemini 3.6 Flash88,08 %

8.Gemini 3.5 Flash87,6 %

9.DeepSeek-V4-Pro87,48 %

10.Grok 4.587,35 %

11.GPT-5.3-Codex87,31 %

12.Kimi K387,19 %

13.Kimi K2.686,77 %

14.GPT-5 mini86,61 %

15.Inkling Small85,93 %

16.GPT-5.6 Terra85,93 %

17.GPT-585,91 %

18.Gemini 3 Flash85,59 %

19.Inkling85,52 %

20.GPT-5.585,3 %

21.Grok 4.384,49 %

22.GPT-5.484,14 %

23.GPT-5.4 nano84,01 %

24.o383,91 %

25.Kimi K2.583,87 %

26.GPT OSS 120B83,23 %

27.GPT-5.6 Sol82,6 %

28.Claude Sonnet 582,43 %

29.GLM-4.782,23 %

30.o4-mini82,21 %

31.Kimi K2.7 Code82,05 %

32.GLM-581,87 %

33.MiMo-V2.581,51 %

34.GPT-5.4 mini81,47 %

35.GLM-5.181,38 %

36.MiMo-V2.5-Pro81,35 %

37.GLM-4.681,04 %

38.GLM-5.380,54 %

39.GLM-5.3-Flash80,51 %

40.GPT OSS 20B80,39 %

41.Gemini 3.1 Flash-Lite80,12 %

42.Gemini 3.5 Flash-Lite79,01 %

43.o3-mini71,48 %

44.DeepSeek-R170,22 %

45.GPT-5 nano70,22 %

46.GLM-5.269,5 %

47.GLM-4.567,45 %

48.DeepSeek-V3 032465,48 %

49.Kimi K2 Thinking63,15 %

50.GPT-4.1 mini58,16 %

51.GPT-4.154,67 %

52.o150,26 %

53.GPT-4o43,44 %

54.GPT-4.1 nano42,72 %

55.GPT-4o mini26,42 %

56.Command R+18,24 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 56
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 27.592. Kosten je Aufgabe in USD: 0.001178. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Dokumentierte Messdetails

Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.

VISTA: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 41.14
Bewertung: 41.14
Messgröße: rubric score
Einheit: %
Benchmark-Version: 758 private prompt-image pairs
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-vista-private-overall
Konfidenzintervall: 0.58
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/gpt-4.1-mini. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 41,14 % ± 0,58. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-5edf9af15d2e. Prüfsumme der Quelldaten: 5edf9af15d2e4bb35a694ad24c9d764cfdc08543d3ae92cf5a387efbda259c8c. Parserversion: curated-v1. Importiert am: 2026-09-04
Vergleichsmethodik: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.

Quelle Scale AI

CorpFin v2: Exact Pages (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 59.441
Bewertung: 59.441
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: exact_pages
Aufgabenbezeichnung: Exact Pages
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:exact_pages
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 3.307. Standardfehler: 1.676. Kosten je Aufgabe in USD: 0.000891. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

CorpFin v2: Max Fitting Context (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 55.012
Bewertung: 55.012
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: max_fitting_context
Aufgabenbezeichnung: Max Fitting Context
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:max_fitting_context
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 8.221. Standardfehler: 1.698. Kosten je Aufgabe in USD: 0.051823. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 57.926
Bewertung: 57.926
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 6.443. Kosten je Aufgabe in USD: 0.026113. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

CorpFin v2: Shared Max Context (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 59.324
Bewertung: 59.324
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: shared_max_context
Aufgabenbezeichnung: Shared Max Context
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:shared_max_context
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 7.8. Standardfehler: 1.677. Kosten je Aufgabe in USD: 0.025626. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

GPQA Diamond: Few-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64.646
Bewertung: 64.646
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: diamond_few_shot_cot
Aufgabenbezeichnung: Few-Shot CoT
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:diamond_few_shot_cot
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 8.974. Standardfehler: 3.397. Kosten je Aufgabe in USD: 0.002537. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-08-11-d3325290a404. Prüfsumme der Quelldaten: d3325290a40411054e05ecb86812143465b4d8eee24a0f71f6cf5dfee5b232a1. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

GPQA Diamond: Zero-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.212
Bewertung: 71.212
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: diamond_zero_shot_cot
Aufgabenbezeichnung: Zero-Shot CoT
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:diamond_zero_shot_cot
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 9.589. Standardfehler: 3.25. Kosten je Aufgabe in USD: 0.002112. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-08-11-d3325290a404. Prüfsumme der Quelldaten: d3325290a40411054e05ecb86812143465b4d8eee24a0f71f6cf5dfee5b232a1. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 67.929
Bewertung: 67.929
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 9.282. Kosten je Aufgabe in USD: 0.002324. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LiveCodeBench v6: Easy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 95.342
Bewertung: 95.342
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: easy
Aufgabenbezeichnung: Easy
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:easy
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 2.25. Standardfehler: 1.174. Kosten je Aufgabe in USD: 0.000377. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

LiveCodeBench v6: Hard (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 21.429
Bewertung: 21.429
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: hard
Aufgabenbezeichnung: Hard
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:hard
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 62.607. Standardfehler: 2.193. Kosten je Aufgabe in USD: 0.002221. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

LiveCodeBench v6: Medium (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 57.702
Bewertung: 57.702
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: medium
Aufgabenbezeichnung: Medium
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:medium
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Anbieter laut Quelle: OpenAI. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768. Latenz in Sekunden: 17.92. Standardfehler: 2.524. Kosten je Aufgabe in USD: 0.000936. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-08-11-0342bcc364e4. Prüfsumme der Quelldaten: 0342bcc364e4426ffb24589c2752c9225be61fbd26db8deba5bdab9775ce5a75. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Temperatur: 1. Maximale Ausgabetoken: 32768

Quelle Vals AI

LiveCodeBench v6: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 58.158
Bewertung: 58.158
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: openai/gpt-4.1-mini-2025-04-14. Name des Quellmodells: GPT-4.1 mini. Modellstand: gpt-4.1-mini-2025-04-14. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 27.592. Kosten je Aufgabe in USD: 0.001178. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

GPT-4.1 mini

Noch nicht getestet

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

Nachweise

Quellen und Datenstand

Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.

Geschwindigkeit: OpenAI. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026.
Artificial Analysis Messmethode
Preis: API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten.
Preise
Eingabe: Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Modelldokumentation
Ausgabe: Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Modelldokumentation

Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.

Offene Nachweise und Recherchehinweise (Originalwortlaut)

In den geprüften Quellen nicht gefunden

parameters-billions. OpenAI API and release pages do not publish parameter counts.

In den geprüften Quellen nicht gefunden

independent-benchmarks. Only exact OpenAI appendix columns were used in this artifact.

Modellmetadaten (abgerufen 8. September 2026)Quelle
Scale AI (abgerufen 26. August 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
Vals AI (abgerufen 11. August 2026; 4. September 2026)Quelle
OpenAI (abgerufen 8. September 2026)Quelle
Artificial Analysis (abgerufen 8. September 2026)Quelle
Messmethode der GeschwindigkeitQuelle

GPT-4.1 mini

Veröffentlichte Benchmarks

VISTA

Finanzen

CorpFin v2

CorpFin v2

CorpFin v2

CorpFin v2

Reasoning

GPQA Diamond

GPQA Diamond

GPQA Diamond

Programmieren

LiveCodeBench v6

LiveCodeBench v6

LiveCodeBench v6

LiveCodeBench v6

Dokumentierte Messdetails

Community-Tests zum Anschauen

Pelikan auf dem Fahrrad

Technische Daten und Zugang

Weitere Quellenangaben

Veröffentlichte Preise

100 API-Anfragen

Dieses Modell im Vergleich

Quellen und Datenstand