4月15日，科技媒体bleepingcomputer报道，OpenAI最新发布的GPT-4.1系列模型在编程能力上显著提升，其中GPT-4.1的SWE-bench Verified得分达54.6%，远超GPT-4o（21.4%）和GPT-4.5（26.6%）。然而，在与谷歌Gemini系列对比中，GPT-4.1仍显逊色。Stagehand基准数据显示，Gemini 2.0 Flash的错误率为6.67%，精确匹配率达90%，且成本仅为GPT-4.1的十分之一。此外，哈佛大学科学家Pierre Bongrand指出，GPT-4.1的性价比不及Gemini 2.5 Pro及DeepSeek等竞品。在编码专项测试中，GPT-4.1得分52%，而Gemini 2.5以73%的成绩领先。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。