Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
¿Qué tan inteligente es GPT-4.1?
GPT-4.1 es un modelo de OpenAI, lanzado el 14 abr 2025. Su SI-IQ es 91 (intervalo del 90 % 87–94), estimado a partir de 10 resultados de benchmarks de 4 evaluadores independientes. Su área más fuerte es Agentes y la más débil es Matemáticas.
Datos
- Desarrollador
- OpenAI
- Lanzamiento
- 14 abr 2025
- Acceso
- Acceso por API
- Benchmarks utilizados
- 10 resultados de 4 evaluadores
- Precio de la API
- 2,00 $ de entrada / 8,00 $ de salida por 1 M de tokens (lista de precios del desarrollador, 18 oct 2026)
- Ventana de contexto
- 1.047.576 tokens
Capacidad por áreas (SI-IQ, intervalo del 90 %)
Todos los resultados de benchmarks utilizados
Cada puntuación es un único valor tal como lo publicó la fuente: en el caso de Epoch AI, el mejor de sus ajustes de ejecución; en el de OpenRouter, el proveedor de alojamiento mediano (el alojamiento propio del desarrollador cuando realizó la prueba). El «SI-IQ implícito» es la capacidad a la que apunta este único resultado; el SI-IQ global es su media ponderada por precisión.
| Benchmark | Puntuación | Evaluado por | Fuente |
|---|---|---|---|
| Chess Puzzles | 3,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| FrontierMath Tiers 1–3 | 6,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| MATH Level 5 | 83,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| OTIS Mock AIME 2024–2025 | 38,3 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Aider Polyglot | 52,4 % | Aider | Aider LLM Leaderboards · archivo de datos |
| SWE-bench Verified (Epoch AI run) | 48,5 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| GPQA Diamond | 66,9 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| GPQA Diamond (OpenRouter run) | 66,1 % | OpenRouter | OpenRouter benchmark datasets · archivo de datos |
| SimpleQA Verified | 31,1 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Berkeley Function Calling Leaderboard | 54,0 % | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · archivo de datos |
| τ²-bench Airline (OpenRouter run) | 50,8 % | OpenRouter | OpenRouter benchmark datasets · archivo de datos |
Preferencia humana (Arena)
En la clasificación de Arena, donde las personas votan entre dos respuestas anónimas, GPT-4.1 tiene una puntuación de 1415 (1411–1418) a partir de 50.312 votos (publicada el 15 oct 2026). La preferencia humana es una medida distinta de la capacidad en benchmarks y no forma parte de SI-IQ. Arena (Hugging Face)
Modelos con un SI-IQ similar
| Modelo | SI-IQ | |
|---|---|---|
| GPT-4.1 miniOpenAI | 91 | GPT-4.1 vs GPT-4.1 mini |
| Qwen3-32BAlibaba | 95 | GPT-4.1 vs Qwen3-32B |
| Claude Sonnet 4Anthropic | 97 | GPT-4.1 vs Claude Sonnet 4 |
| Claude Opus 4Anthropic | 98 | GPT-4.1 vs Claude Opus 4 |
| Claude 3.7 SonnetAnthropic | 99 | GPT-4.1 vs Claude 3.7 Sonnet |
Calculado con la versión 1.0.0 del método SI-IQ. Leer la metodología completa
Fuentes de datos: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page; Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..