OpenAI发布GPT-4.1模型：最强编码能力，仅提供API访问，价格降了

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。

生成海报

（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）

本文来源于极客网，原文链接: https://www.fromgeek.com/ai/682413.html