【旭才科技】4 月 15 日消息，OpenAI 推出专为开发者打造的全新模型系列——GPT-4.1。该系列包含三个新成员：旗舰级 GPT-4.1、高速的 GPT-4.1 Mini，以及最小、最快、最经济的 GPT-4.1 Nano。
据介绍，GPT‑4.1 系列模型在编码能力、复杂指令遵循、长文本处理 （首次支持高达一百万 Token 上下文，且无额外费用） 以及多模态理解方面均实现了显著提升，性能全面超越 GPT-4o，并在关键指标上比肩甚至超越 GPT-4.5。
值得注意的是，GPT-4.1 系列仅通过 API 提供。
此前，OpenAI 刚刚出台了一项针对未来新的大模型 AIP 调用的规定，要求 AIP 调用组织完成身份验证流程，才能解锁访问 OpenAI 平台最先进模型和功能。也就是说 「不通过验证就不让用最新模型」。尽管 OpenAI 的 AIP 组织验证支持 200 多个国家和地区，但中国大陆开发者仍面临资格限制。
另外，OpenAI 史上最贵大模型将被 「淘汰」。
OpenAI 称，将在 API 中弃用 GPT-4.5 预览版，因为 GPT-4.1 在许多关键功能上提供了改进或相似的性能，且成本和延迟更低。GPT-4.5 预览版将在三个月后，即 2025 年 7 月 14 日关闭，以便开发者有足够的时间进行过渡。
GPT-4.1 三大模型
旗舰模型 GPT‑4.1 性能优化集中于编码、指令遵循、长文本理解上：
1、最强编码：GPT‑4.1 在 SWE-bench Verified 上的得分为 54.6%，比 GPT‑4o 提高了 21.4 个百分点，比 GPT‑4.5 提高了 26.6 个百分点。
2、指令遵循：在 Scale 的 MultiChallenge上，GPT‑4.1 的得分为 38.3%，比 GPT‑4o 提高了 10.5 个百分点。
3、长上下文：在 Video-MME 上，GPT‑4.1 取得了新的 SOTA——在长视频、无字幕类别中得分 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飞跃，甚至在许多基准测试中超越了 GPT-4o。它在智能评估中与 GPT-4o 相当或超过，同时将延迟减少了近一半，成本降低了 83%。
对于需要低延迟的任务，GPT-4.1 nano 是最快且最便宜的模型。它以其 100 万个标记的上下文窗口，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 多语言编码上得分 9.8%——甚至高于 GPT-4o mini。它非常适合分类或自动补全等任务。
API 定价
GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 现在对所有开发者开放，仅通过 API 提供。
价格方面，GPT‑4.1 比 GPT‑4o 便宜 26%，输入、输出分别是每百万 token 2 美元和 8 美元。
GPT‑4.1 nano 是 OpenAI 迄今为止价格最低、速度最快的模型，输入、输出分别为 0.1 美元和 0.4 美元。
对于重复使用相同上下文的查询，这些新模型的提示词缓存折扣已从之前的 50% 提高至 75%。
最后，长上下文请求已包含在标准的按 Token 计费内，无需额外费用。
今年 2 月，OpenAI 发布了自己有史以来最贵的大模型 GPT-4.5，GPT-4.5 的 API 定价高达 75 美元/百万 tokens 输入、150 美元/百万 tokens 输出，被开发者吐槽 「用不起」！
这次 GPT-4.1 的价格，你觉得如何？
通过视频，OpenAI 团队成员介绍了 GPT‑4.1 系列模型模型的性能优势、基准测试结果，并通过实时演示，如现场编写功能完善的前端应用、处理超长日志文件等，展现了它们的实际能力。
一起看看：
编码能力显著优于 GPT-4o
GPT-4.1 在各种编码任务中显著优于 GPT-4o，包括主动解决编码任务、前端编码、减少不必要的编辑、可靠地遵循差异格式、确保一致的工具使用等。
在 SWE-bench Verified（一个衡量现实世界软件工程技能的指标） 上，GPT-4.1 完成了 54.6% 的任务，而 GPT-4o 完成了 33.2%（2024-11-20）。这反映了 GPT-4.1 模型在探索代码库、完成任务以及生成既可运行又可通过测试的代码方面的能力提升。
对于希望编辑大型文件的 API 开发者来说，GPT-4.1 在多种格式下的代码差异方面更加可靠。Aider 的多语言差异基准测试中，GPT-4.1 的成绩是 GPT-4o 的两倍多，并且甚至比 GPT-4.5 高出 8 个百分点。
GPT-4.1 专门训练以更可靠地遵循 diff 格式，这使得开发者只需让模型输出更改的行，而不是重写整个文件，从而节省成本和延迟。
对于喜欢重写整个文件的开发者，GPT-4.1 的输出 token 限制提高到了 32,768 个 （相比 GPT-4o 的 16,384 个 tokens 有所增加）。
GPT-4.1 在前端编码方面也显著优于 GPT-4o，能够创建功能更强大、外观更美观的网页应用。在对比测试中，评分人员 80% 的时间更喜欢 GPT-4.1 生成的网站，而不是 GPT-4o 生成的网站。
除了上述基准测试之外，GPT-4.1 在更可靠地遵循格式方面表现更佳，并且更少进行不必要的编辑。在 OpenAI 内部评估中，代码中的不必要的编辑从 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，我们在各种指令遵循评估中测量到了显著的改进。GPT-4.1 在困难提示方面的表现相较于 GPT-4o 有了显著提升。
多轮指令跟随对于许多开发者来说至关重要——模型需要能够在对话的深层保持连贯性，并跟踪用户之前告诉它的信息。OpenAI 训练了 GPT-4.1，使其能够更好地从对话中的过去消息中提取信息，从而实现更自然的对话。
在 Scale 的 MultiChallenge 基准测试中 GPT‑4.1 虽然不及 o1 和 GPT-4.5，但已经可以追上 o3-mini，并且比 GPT‑4o 提升了 10.5 个百分点之多。
GPT-4.1 在 IFEval 上的得分也为 87.4%，而 GPT-4o 的得分为 81.0%。IFEval 使用带有可验证指令的提示 （例如，指定内容长度或避免某些术语或格式）。
长文本
GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 可以处理多达 100 万个上下文标记——比之前的 GPT-4o 模型多 128,000 个，非常适合处理大型代码库或大量长文档。
OpenAI 展示了 GPT-4.1 在上下文窗口内不同位置检索一条隐藏的少量信息 （即一根 「针」） 的能力，也就是 「大海捞针」 的能力。
OpenAI 还发布了用于评估多跳长上下文推理的数据集 Graphwalks。这是因为，许多需要长上下文的开发者用例需要在上下文中进行多个逻辑跳跃，例如在编写代码时在多个文件之间跳转，或者在回答复杂的法律问题时交叉引用文档等。
Graphwalks 需要模型跨上下文多个位置进行推理，其使用由十六进制散列组成的定向图填充上下文窗口，然后要求模型从图中的一个随机节点开始进行广度优先搜索 （BFS），然后要求它返回一定深度的所有节点。
GPT-4.1 在上下文长度达到 128K 个 token 时优于 GPT-4o。
