4月15日消息，OpenAI推出專為開發(fā)者打造的全新模型系列——GPT-4.1。該系列包含三個新成員：旗艦級GPT-4.1、高速的GPT-4.1 Mini，以及最小、最快、最經(jīng)濟的 GPT-4.1 Nano。
據(jù)介紹，GPT?4.1系列模型在編碼能力、復雜指令遵循、長文本處理（首次支持高達一百萬 Token 上下文，且無額外費用）以及多模態(tài)理解方面均實現(xiàn)了顯著提升，性能全面超越 GPT-4o，并在關鍵指標上比肩甚至超越 GPT-4.5。
值得注意的是，GPT-4.1系列僅通過 API 提供。
此前，OpenAI剛剛出臺了一項針對未來新的大模型AIP調用的規(guī)定，要求AIP調用組織完成身份驗證流程，才能解鎖訪問OpenAI平臺最先進模型和功能。也就是說“不通過驗證就不讓用最新模型”。盡管OpenAI 的AIP組織驗證支持200多個國家和地區(qū)，但中國大陸開發(fā)者仍面臨資格限制。
另外，OpenAI史上最貴大模型將被“淘汰”。
OpenAI稱，將在API中棄用GPT-4.5預覽版，因為GPT-4.1在許多關鍵功能上提供了改進或相似的性能，且成本和延遲更低。GPT-4.5預覽版將在三個月后，即2025年7月14日關閉，以便開發(fā)者有足夠的時間進行過渡。
GPT-4.1三大模型
旗艦模型GPT?4.1性能優(yōu)化集中于編碼、指令遵循、長文本理解上：
1、最強編碼：GPT?4.1在SWE-bench Verified上的得分為54.6%，比GPT?4o提高了21.4個百分點，比GPT?4.5提高了26.6個百分點。
2、指令遵循：在Scale的MultiChallenge?上，GPT?4.1的得分為38.3%，比GPT?4o提高了10.5個百分點。
3、長上下文：在Video-MME上，GPT?4.1取得了新的SOTA——在長視頻、無字幕類別中得分72.0%，高于GPT-4o的65.3%。
GPT-4.1 mini 在小型模型性能方面取得了重大飛躍，甚至在許多基準測試中超越了 GPT-4o。它在智能評估中與 GPT-4o 相當或超過，同時將延遲減少了近一半，成本降低了 83%。
對于需要低延遲的任務，GPT-4.1 nano 是最快且最便宜的模型。它以其 100 萬個標記的上下文窗口，在小型尺寸下提供卓越的性能，并在 MMLU 上得分 80.1%，在 GPQA 上得分 50.3%，在 Aider 多語言編碼上得分 9.8%——甚至高于 GPT-4o mini。它非常適合分類或自動補全等任務。
API定價
GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 現(xiàn)在對所有開發(fā)者開放，僅通過API提供。
價格方面，GPT?4.1比GPT?4o便宜26%，輸入、輸出分別是每百萬token 2美元和8美元。
GPT?4.1 nano是OpenAI迄今為止價格最低、速度最快的模型，輸入、輸出分別為0.1美元和0.4美元。
對于重復使用相同上下文的查詢，這些新模型的提示詞緩存折扣已從之前的50%提高至75%。
最后，長上下文請求已包含在標準的按Token計費內，無需額外費用。
今年2月，OpenAI發(fā)布了自己有史以來最貴的大模型GPT-4.5，GPT-4.5的API定價高達75美元/百萬tokens輸入、150美元/百萬tokens輸出，被開發(fā)者吐槽“用不起”！
這次GPT-4.1的價格，你覺得如何？
通過視頻，OpenAI 團隊成員介紹了GPT?4.1系列模型模型的性能優(yōu)勢、基準測試結果，并通過實時演示，如現(xiàn)場編寫功能完善的前端應用、處理超長日志文件等，展現(xiàn)了它們的實際能力。
一起看看：
編碼能力顯著優(yōu)于 GPT-4o
GPT-4.1 在各種編碼任務中顯著優(yōu)于 GPT-4o，包括主動解決編碼任務、前端編碼、減少不必要的編輯、可靠地遵循差異格式、確保一致的工具使用等。
在SWE-bench Verified（一個衡量現(xiàn)實世界軟件工程技能的指標）上，GPT-4.1完成了54.6%的任務，而GPT-4o完成了33.2%（2024-11-20）。這反映了GPT-4.1模型在探索代碼庫、完成任務以及生成既可運行又可通過測試的代碼方面的能力提升。
對于希望編輯大型文件的API開發(fā)者來說，GPT-4.1在多種格式下的代碼差異方面更加可靠。Aider的多語言差異基準測試中，GPT-4.1的成績是GPT-4o的兩倍多，并且甚至比GPT-4.5高出8個百分點。
GPT-4.1專門訓練以更可靠地遵循diff格式，這使得開發(fā)者只需讓模型輸出更改的行，而不是重寫整個文件，從而節(jié)省成本和延遲。
對于喜歡重寫整個文件的開發(fā)者，GPT-4.1的輸出token限制提高到了32,768個（相比GPT-4o的16,384個tokens有所增加）。
GPT-4.1 在前端編碼方面也顯著優(yōu)于 GPT-4o，能夠創(chuàng)建功能更強大、外觀更美觀的網(wǎng)頁應用。在對比測試中，評分人員80%的時間更喜歡 GPT-4.1生成的網(wǎng)站，而不是 GPT-4o生成的網(wǎng)站。
除了上述基準測試之外，GPT-4.1 在更可靠地遵循格式方面表現(xiàn)更佳，并且更少進行不必要的編輯。在OpenAI內部評估中，代碼中的不必要的編輯從 GPT-4o 的 9% 降至 GPT-4.1 的 2%。
指令遵循
GPT-4.1 更可靠地遵循指令，我們在各種指令遵循評估中測量到了顯著的改進。GPT-4.1在困難提示方面的表現(xiàn)相較于GPT-4o有了顯著提升。
多輪指令跟隨對于許多開發(fā)者來說至關重要——模型需要能夠在對話的深層保持連貫性，并跟蹤用戶之前告訴它的信息。OpenAI訓練了GPT-4.1，使其能夠更好地從對話中的過去消息中提取信息，從而實現(xiàn)更自然的對話。
在Scale的MultiChallenge基準測試中GPT?4.1雖然不及o1和GPT-4.5，但已經(jīng)可以追上o3-mini，并且比GPT?4o提升了10.5個百分點之多。
GPT-4.1在IFEval上的得分也為87.4%，而GPT-4o的得分為81.0%。IFEval使用帶有可驗證指令的提示（例如，指定內容長度或避免某些術語或格式）。
長文本
GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 可以處理多達 100 萬個上下文標記——比之前的 GPT-4o 模型多 128,000 個，非常適合處理大型代碼庫或大量長文檔。
OpenAI展示了GPT-4.1在上下文窗口內不同位置檢索一條隱藏的少量信息（即一根 “針”）的能力，也就是“大海撈針”的能力。
OpenAI還發(fā)布了用于評估多跳長上下文推理的數(shù)據(jù)集Graphwalks。這是因為，許多需要長上下文的開發(fā)者用例需要在上下文中進行多個邏輯跳躍，例如在編寫代碼時在多個文件之間跳轉，或者在回答復雜的法律問題時交叉引用文檔等。
Graphwalks需要模型跨上下文多個位置進行推理，其使用由十六進制散列組成的定向圖填充上下文窗口，然后要求模型從圖中的一個隨機節(jié)點開始進行廣度優(yōu)先搜索（BFS），然后要求它返回一定深度的所有節(jié)點。
GPT-4.1在上下文長度達到128K個token時優(yōu)于GPT-4o。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
