SWE-bench Verified
76,3
%
Corriger de vrais tickets ouverts sur GitHub, dans le dépôt d'origine, sans aide.
Source
GPT-5.1
ActifOpenAI · Gamme Tête de gamme · sorti le 13 novembre 2025
The best model for coding and agentic tasks with configurable reasoning effort
Les faits
Ce qu'il coûte, ce qu'il tient
Fenêtre de contexte
400K jetons
Ce qu’il peut avoir sous les yeux en une seule fois, question et réponse comprises.
Prix d’entrée
1,25 $ / M jetons
Ce que coûte le texte qu’on lui envoie.
Prix de sortie
10 $ / M jetons
Ce que coûte le texte qu’il produit, toujours plus cher que l’entrée.
Sortie maximale
128K jetons
La plus longue réponse qu’il peut produire d’un seul tenant.
Connaissances arrêtées à
septembre 2024
Il ne sait rien de ce qui s’est passé après cette date, sauf si on le lui fournit.
Cycle de vie
D'aujourd'hui à sa fin de service
Sortie
13 novembre 2025
Dépréciation
Non annoncée
Retrait
Non annoncé
Capacités
Ce qu'il sait faire
Raisonnement
Le modèle peut réfléchir avant de répondre, en produisant des jetons de raisonnement facturés comme la sortie. La profondeur se règle par un niveau d'effort.
Réponse au fil de l'eau
La réponse arrive mot à mot pendant qu'elle s'écrit, au lieu d'attendre qu'elle soit finie.
Sortie structurée
Le modèle rend une réponse au format demandé, exploitable par un programme sans relecture.
Appel de fonctions
Le modèle peut demander l'exécution d'une fonction du programme qui l'appelle et se servir du résultat.
Recherche dans des fichiers
Le modèle peut chercher une réponse dans des documents fournis plutôt que dans ce qu'il a appris.
Dépôt de fichiers
Des fichiers peuvent lui être soumis directement.
Lecture d'images
Le modèle voit les images qu'on lui soumet et peut répondre à leur sujet.
Recherche sur le web
Le modèle peut consulter le web pendant qu'il répond, ce qui lui donne accès à des faits postérieurs à son entraînement.
Mise en cache des requêtes
Une partie de requête déjà envoyée est facturée moins cher si elle est réutilisée peu après.
Production d'images
Le modèle peut produire une image.
Exécution de code
Le modèle peut écrire puis exécuter du code pour calculer ou vérifier lui-même.
Application de correctifs
Le modèle peut modifier des fichiers de code par correctifs successifs.
Connecteurs MCP
Le modèle peut se brancher sur des services extérieurs par le protocole ouvert Model Context Protocol.
La lignée Tête de gamme
Toute la lignée
Les autres versions
GPT-5.6 Sol09.07.2026 · Actif
GPT-5.523.04.2026 · Actif
GPT-5.405.03.2026 · Actif
GPT-5.211.12.2025 · Actif
GPT-5.113.11.2025 · celui-ci
GPT-507.08.2025 · Déprécié
GPT-4.114.04.2025 · Actif
GPT-4.5 Preview27.02.2025 · Retiré
GPT-4o13.05.2024 · Actif
GPT-4 Turbo Preview06.11.2023 · Actif
GPT-4 Turbo06.11.2023 · Actif
GPT-414.03.2023 · Actif
GPT-4 Vision · Retiré
GPT-4 32k · Retiré
GPT-3.5 Turbo 16k · Retiré
GPT-3.5 Turbo · Actif
Benchmarks expliqués
Ce qu'il vaut, avec les conditions
21 tests relevés pour ce modèle, regroupés par ce qu'ils mesurent. Chaque chiffre est annoncé par le laboratoire, avec sa source et ses conditions ; une jauge n'est dessinée que quand l'échelle du test a un maximum connu.
Code et ingénierie logicielle
Le modèle reçoit un dépôt et un problème, et doit produire un correctif qui passe les tests, sans intervention humaine.
SWE-Lancer
69,7
%
Réaliser de vraies missions de développement freelance, payées, telles qu'elles ont été publiées sur une place de marché.
relevé sous « SWE-Lancer, IC Diamond »
SourceSWE-bench Pro
50,8
%
Le même exercice, sur des dépôts encore maintenus et des correctifs qui touchent plusieurs fichiers.
relevé sous « SWE-Bench Pro, Public »
SourceRaisonnement sur des situations inconnues
Aucune connaissance préalable ne sert : il faut inférer une règle jamais vue à partir de quelques exemples.
Connaissances et raisonnement scientifique
Des questions à réponse unique, du niveau lycée au niveau doctorat, où seule la justesse compte.
MMMLU
89,5
%
Les 57 matières de MMLU, posées dans quatorze langues autres que l'anglais.
SourceGPQA Diamond
88,1
%
Des questions de niveau doctorat en biologie, physique et chimie, écrites par des spécialistes.
no tools
SourceMMMU-Pro
79
%
Percevoir, interpréter et raisonner sur des questions de niveau licence mêlant texte et images, dans des disciplines variées.
w/ Python
SourceGraphWalks (contexte long)
76,8
%
Parcourir un graphe dont la description remplit toute la fenêtre de contexte.
relevé sous « GraphWalks bfs <128k »
SourceOpenAI-MRCR
65,3
%
Retrouver la bonne réponse quand plusieurs demandes presque identiques ont été noyées dans une très longue conversation.
relevé sous « OpenAI MRCRv2, 8 needles, 4k-8k »
SourceHumanity's Last Exam
25,7
%
Des questions écrites par des spécialistes pour rester hors de portée des modèles.
no tools, relevé sous « HLE »
SourceMathématiques
Des démonstrations de niveau olympiade et des problèmes tirés de la recherche en cours.
HMMT
96,3
%
Le tournoi de mathématiques organisé par Harvard et le MIT, une compétition entre équipes de lycéens.
no tools, relevé sous « HMMT, Feb 2025 »
SourceAIME 2025
94
%
L'examen américain d'invitation en mathématiques, une compétition lycéenne prestigieuse.
no tools
SourceFrontierMath
31
%
Résoudre des problèmes de mathématiques de niveau expert, écrits pour l'occasion par des mathématiciens de recherche afin qu'aucune solution ne circule déjà.
w/ Python, relevé sous « FrontierMath Tier 1-3 »
SourcePilotage d'un ordinateur
Le modèle agit à la souris et au clavier sur une machine réelle, comme le ferait une personne.
Travail professionnel réel
Des livrables de métier : dossiers juridiques, flux d'entreprise, enchaînements d'outils, documents de travail.
Tau2-bench Telecom
95,6
%
Traiter une demande de service client de bout en bout, en suivant les règles de l'entreprise et en dialoguant avec le client.
SourceBrowseComp Long Context 128k
90
%
Retrouver sur le web une information difficile à trouver, en gardant sous les yeux tout ce qui a déjà été lu.
SourceBrowseComp
50,8
%
Trouver sur le web une information difficile à dénicher, en naviguant soi-même.
SourceMCP Atlas
44,5
%
Enchaîner des outils par le protocole MCP : trouver le bon, l'appeler correctement, recomposer la réponse.
relevé sous « Scale MCP-Atlas »
SourceToolathlon Verified
36,1
%
108 tâches d'outillage réel : bureautique, commerce en ligne, analyse de données, recherche web.
Source
Pour les développeurs
Intégrer ce modèle
L'appeler
Identifiant d’API
gpt-5.1
Le nom exact à écrire dans le code pour appeler ce modèle.
Alias
gpt-5.1-2025-11-13 Les autres noms du même modèle, selon la plateforme qui le revend.
Ce qu'il accepte
Entrées acceptées
texteimage
Sorties produites
texte
Facturation détaillée par million de jetons
Lecture depuis le cache0,13 $ Traitement par lots, entrée0,63 $ Traitement par lots, sortie5 $Mettre en mémoire un début de requête réutilisé d’un appel à l’autre : 1,25 fois le prix d’entrée.