GPT-4.1 來了。
北京時間4 月 15 號凌晨，OpenAI 直播發(fā)布了名為 GPT-4.1 的多模態(tài)系列模型。
它有三個版本：GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。其中 mini 和 nano 的效率更高、速度更快、成本更低，但犧牲了準(zhǔn)確性。
OpenAI 表示，“它們編碼和指令遵循方面取得了重大進(jìn)展。完整的GPT-4.1 模型在幾乎所有維度上均優(yōu)于 GPT-4o 系列模型?！?/p>
僅從基準(zhǔn)測試成績來看，GPT-4.1 的紙面性能雖然比自家前輩有所提升，但如果跟谷歌、Anthropic 等競爭對手的旗艦?zāi)Ｐ拖啾?，還是有一定的差距。
看來想要完全超越競爭對手，OpenAI 只能盡快拿出 o3 完全體了。
值得注意的是，GPT-4.1 系列模型目前只能通過 OpenAI 的 API 獲取，無法在 ChatGPT 上使用。
與此同時OpenAI 還宣布，將很快停止通過 API 提供其有史以來最大的 AI 模型 GPT-4.5。該模型是今年 2 月剛剛發(fā)布的，其運行成本十分昂貴，API 定價也高達(dá)每百萬輸入 75 美元，每百萬輸出 150 美元。
今年7 月 14 日之后，API 開發(fā)者必須將 GPT-4.5 服務(wù)轉(zhuǎn)移到 OpenAI 的其他模型，首選替代方案是 GPT-4.1。這暫時不會影響通過 ChatGPT 使用 GPT-4.5。
GPT-4.1 系列模型的上下文窗口提高到了 100 萬 token（包含文本、圖像或視頻的組合），這意味著它們可以一次性輸入大約 75 萬個單詞。此前的 GPT-4o 最多支持 12.8 萬 token。
但OpenAI 也承認(rèn)，GPT-4.1 處理的輸入 token 越多，可靠性就越低，更容易出錯。
在該公司自己的測試OpenAI-MRCR 中，隨著 token 的數(shù)量從 8000 增長到 100 萬，模型的準(zhǔn)確率從 84% 左右下降到了不足 50%。該公司表示，GPT-4.1 也比 GPT-4o 更“直接”，有時需要更具體、更明確的提示。
定價方面，GPT-4.1 每百萬輸入 token 成本為 2 美元，每百萬輸出 token 成本為 8 美元。GPT-4.1 mini 每百萬輸入 token 成本為 0.4 美元，每百萬輸出 token 成本為 1.6 美元；GPT-4.1 nano 每百萬輸入 token 成本為 0.1 美元，每百萬輸出 token 成本為 0.4 美元。
綜合來看，GPT-4.1 的成本比 GPT-4o 低 26%。同時，OpenAI 還將新模型的即時緩存折扣輸入提高到了 75%（之前為 50%）。
性能方面，GPT-4.1 可以一次性生成比 GPT-4o 更多的 token（最多 32768 個 token），在最受程序員關(guān)心的 SWE-bench Verified 上的得分在 52% 到 54.6% 之間。這個成績低于谷歌 Gemini 2.5 Pro 的 63.8% 和 Anthropic Claude 3.7 Sonnet 的 62.3%。
對于需要編輯大型文件的API 開發(fā)者來說，GPT-4.1 在跨多種格式的代碼差異分析方面更加可靠。在 Aider 的多語言差異基準(zhǔn)測試中，GPT-4.1 的得分是 GPT-4o 的兩倍多，甚至比 GPT-4.5 還高出 8%。
“我們專門訓(xùn)練了GPT-4.1，使其能夠更可靠地遵循差異格式，這使得開發(fā)人員只需讓模型輸出更改的行，而無需重寫整個文件，從而節(jié)省成本和延遲?！監(jiān)penAI 寫道。
這一點在指令遵循上也有所體現(xiàn)。
OpenAI 在博客中介紹稱，GPT-4.1 能更可靠地遵循指令，并且“已經(jīng)在各種指令遵循評估中測量到了顯著的改進(jìn)”。
OpenAI 開發(fā)了一個內(nèi)部教學(xué)跟蹤評估系統(tǒng)，以跟蹤模型在多個維度和幾個關(guān)鍵教學(xué)跟蹤類別中的表現(xiàn)，包括格式遵循、避免負(fù)面指示、有序遵循指令、遵守內(nèi)容要求、排序和過度自信。
這些類別是根據(jù)開發(fā)人員的反饋得出的，這些反饋是關(guān)于哪些指令遵循方面對他們來說最相關(guān)且最重要。在每個類別中，OpenAI 將其分為簡單、中等和困難提示。GPT-4.1 在困難提示方面的表現(xiàn)尤其優(yōu)于 GPT-4o。
多輪指令遵循對許多開發(fā)者來說至關(guān)重要。對于模型而言，在對話中保持連貫性并跟蹤用戶之前輸入的內(nèi)容至關(guān)重要。
“我們已經(jīng)訓(xùn)練了GPT-4.1，使其能夠更好地從對話中的過往消息中識別信息，從而實現(xiàn)更自然的對話。Scale 的 MultiChallenge 基準(zhǔn)測試是衡量這一能力的有效指標(biāo)，GPT-4.1 的表現(xiàn)比 GPT-4o 提高了 10.5%?！監(jiān)penAI 表示。
GPT-4.1 在前端編碼方面也比 GPT-4o 有了顯著提升，能夠創(chuàng)建功能更強(qiáng)大、更美觀的 Web 應(yīng)用。在 OpenAI 的評估中，相比 GPT-4o，測試人員更喜歡 GPT-4.1 創(chuàng)建的網(wǎng)站。
在另一項評估中，OpenAI 使用 Video-MME 測試了 GPT-4.1，該模型旨在衡量模型“理解”視頻內(nèi)容的能力。
OpenAI 聲稱，GPT-4.1 在“長篇無字幕”視頻類別中達(dá)到了72% 的最高準(zhǔn)確率，高于 GPT-4o 的 65.3%。
在衡量真實世界軟件工程技能的SWE-bench Verified 測試中，GPT-4.1 完成了 54.6% 的任務(wù)，而 GPT-4o（2024-11-20）的完成率為 33.2%。這反映了模型在探索代碼庫、完成任務(wù)以及生成可運行并通過測試的代碼方面的能力有所提升。
OpenAI 還表示，除了上述基準(zhǔn)測試之外，GPT-4.1 在遵循代碼格式方面表現(xiàn)更佳，可靠性更高，并且減少了無關(guān)編輯的頻率。在內(nèi)部評估中，代碼中的無關(guān)編輯從 GPT-4o 的 9% 下降到了 GPT-4.1 的 2%。
此外，根據(jù)OpenAI 不久前發(fā)布的更新日志，OpenAI 將很快從 ChatGPT 中淘汰其兩年多前推出的 AI 模型 GPT-4。
OpenAI 表示，自今年 4 月 30 日起，GPT-4 將被 ChatGPT 當(dāng)前的默認(rèn)模型 GPT-4o 完全取代。如有需要，GPT-4 仍可通過 OpenAI 的 API 訪問。
GPT-4o 最初于 2024 年 5 月作為旗艦?zāi)Ｐ屯瞥觯蓪崟r推理音頻、視覺和文本。
OpenAI 在更新日志中寫道：“在針對性評估中，GPT-4o 在寫作、編碼、STEM 等方面始終超越 GPT-4。最近的升級進(jìn)一步提高了 GPT-4o 的指令遵循、問題解決和對話流程，使其成為 GPT-4 的自然繼承者。”
GPT-4 于 2023 年 3 月推出，適用于 ChatGPT 和微軟的 Copilot 聊天機(jī)器人，具備多模態(tài)功能，能夠同時理解圖像和文本，是廣泛部署的 OpenAI 模型的首個版本。
如今，隨著OpenAI 剛剛發(fā)布的 GPT-4.1 系列模型，以及傳聞中待發(fā)布的 o3 和 o4-mini 推理模型，GPT-4 的正式退役也在情理之中。
不過，如今OpenAI 面對的競爭壓力遠(yuǎn)遠(yuǎn)大于 GPT-4 初亮相的時候。在 Gemini 2.5 Pro、Claude 3.7 Sonnet 和 DeepSeek 的夾擊之下，新 GPT 和 o 系列模型任重而道遠(yuǎn)。
參考資料：
https://openai.com/index/gpt-4-1/
https://techcrunch.com/2025/04/14/openai-plans-to-wind-down-gpt-4-5-its-largest-ever-ai-model-in-its-api/
https://techcrunch.com/2025/04/14/openais-new-gpt-4-1-models-focus-on-coding/
熱門跟貼