OpenAI GPT-4.1 API 发布及简介

OpenAI今晨推出了 GPT4.1，这是官方介绍： https://openai.com/index/gpt-4-1/

以下是关于 GPT-4.1 的详细介绍，基于官方网页内容：

GPT-4.1 简介

GPT-4.1 是 OpenAI 最新推出的 GPT 系列模型，具有以下核心特点：

• 性能提升：在编码、指令遵循和长文本处理方面显著优于 GPT-4o 和 GPT-4.5。
• 支持长上下文：支持处理高达 100 万个 token 的上下文（比 GPT-4o 的 128,000 token 大幅提升）。
• 模型家族：包括 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano，分别针对不同性能和成本需求优化。
• 知识截止日期：更新至 2024 年 6 月。

性能提升

编码能力

• SWE-bench Verified：GPT-4.1 在该基准测试中得分为 54.6%，比 GPT-4o 提升了 21.4%（绝对值），比 GPT-4.5 提升了 26.6%（绝对值）。
• 代码生成与修改：GPT-4.1 在生成代码、处理代码差异（diff）和前端开发方面表现出色，减少了不必要的修改，并能更可靠地遵循格式要求。
• 实际案例：
  • Windsurf：GPT-4.1 在内部编码基准测试中得分比 GPT-4o 高出 60%，代码修改接受率更高，重复修改的可能性降低 50%。
  • Qodo：在代码审查任务中，GPT-4.1 在 200 个实际 pull request 中表现优于其他模型，特别是在精确性和全面性方面。

指令遵循

• MultiChallenge 基准测试：GPT-4.1 得分为 38.3%，比 GPT-4o 提升了 10.5%（绝对值）。
• IFEval 测试：GPT-4.1 得分为 87.4%，比 GPT-4o 的 81.0% 更高。
• 多轮对话：GPT-4.1 在多轮对话中表现更自然，能够更好地从上下文中提取信息。

长文本处理

• 支持 100 万个 token：适用于处理大型代码库、长文档或多模态视频内容。
• Video-MME 基准测试：在处理无字幕的长视频时，GPT-4.1 得分为 72.0%，比 GPT-4o 提升了 6.7%（绝对值）。
• 实际案例：
  • Thomson Reuters：在法律文档多文档审查任务中，GPT-4.1 的准确性比 GPT-4o 提高了 17%。
  • Carlyle：在从复杂格式的长文档中提取财务数据时，GPT-4.1 的表现比其他模型高出 50%。

模型家族

1. GPT-4.1：
   • 性能：在所有基准测试中表现最佳。
   • 成本：比 GPT-4o 便宜 26%。
   • 适用场景：需要高性能和长上下文处理的任务。
2. GPT-4.1 mini：
   • 性能：在许多基准测试中超越 GPT-4o，延迟减少近一半，成本降低 83%。
   • 适用场景：对性能要求较高但成本敏感的任务。
3. GPT-4.1 nano：
   • 性能：最快的模型，支持 100 万个 token 的上下文，适用于分类和自动补全任务。
   • 成本：最便宜的模型，输入成本为每 1M token 0.10 美元，输出成本为 0.40 美元。

应用场景

• 代码生成与审查：GPT-4.1 在代码生成、修改和审查方面表现出色，适合开发者和团队使用。
• 长文档处理：适用于法律、金融和科研等领域的长文档分析。
• 多模态任务：支持处理长视频和图像内容，适合需要视觉理解的场景。
• 代理人任务：结合 OpenAI 的 Responses API，可以构建能够独立完成任务的智能代理人。

定价

表格

复制

• 批量 API：在批量处理时，价格额外降低 50%。
• 缓存折扣：对于重复传递相同上下文的查询，缓存折扣提高至 75%。

未来计划

• GPT-4.5 的停用：GPT-4.5 将在 2025 年 7 月 14 日停止服务，建议开发者尽快迁移到 GPT-4.1。
• 持续优化：OpenAI 将继续根据开发者反馈优化模型，并将 GPT-4.5 的创意性和幽默感融入未来模型。

总结

GPT-4.1 是 OpenAI 在实际应用中迈出的重要一步。它通过专注于开发者的真实需求（如编码、指令遵循和长上下文理解），为构建智能系统和复杂代理人应用提供了新的可能性。

附该网页的英中对照版，由GPT4.1-nano翻译：