OpenAI 發布 GPT-4.1——處理複雜任務的最聰明模型

OpenAI官方推出了GPT-4.1、GPT-4.1 mini、GPT-4.1 nano三款新型號。這些模型具有高達 100 萬個標記的海量上下文處理能力，並且知識限制將更新至 2024 年 6 月。

該公司表示，這些型號的性能優於去年 7 月推出的最新更新的 GPT-4o 和 GPT-4o mini。目前 GPT-4.1 僅透過 API 提供，因此您還無法在 ChatGPT 中直接使用它。

OpenAI 指出，GPT-4.1 將僅透過 API 提供。在ChatGPT中，指令遵從性、程式設計和智慧方面的許多改進已逐漸融入到最新版本的GPT-4o中，該公司也將在未來的版本中繼續添加更多內容。

基準測試顯示了 GPT-4.1 帶來的顯著改善。該模型在 SWE-bench Verified 上的得分為 54.6%，比 GPT-4o 提高了 21.4 分。該模型在 MultiChallenge（衡量指南遵守情況的基準）上的得分為 38.3%，並在 Video-MME 基准上以 72.0% 的得分創下了長篇視頻理解的新紀錄，在該基准上，模型可以分析長達一小時的無字幕視頻。

OpenAI 也與 alpha 合作夥伴合作，在實際用例中測試 GPT-4.1 的效能。

• 湯森路透利用其法律 AI 助理 CoCounsel 測試了 GPT-4.1。與 GPT-4o 相比，GPT-4.1 在多重文件評估中的準確率提高了 17%。這類工作在很大程度上依賴於跨多個來源追蹤上下文並識別複雜關係（例如衝突的術語或隱藏的依賴關係）的能力，而 GPT-4.1 一直表現出強大的表現。
• 凱雷使用 GPT-4.1 從長而複雜的文件（包括 Excel 和 PDF 文件）中提取財務數據。根據公司內部基準測試，該模型在文件檢索方面的表現比以前的模型提高了 50%。它是第一個能夠可靠地處理諸如大海撈針、在文件中間丟失資訊以及需要跨多個文件連接資訊的論點等問題的模型。

效能是一回事，但速度也同樣重要。 OpenAI 表示，GPT-4.1 在處理 128,000 個令牌時大約需要 15 秒才能返回第一個令牌，而在處理一百萬個令牌時最多需要 30 秒。 GPT-4.1 mini 和 nano 速度更快。

GPT-4.1 nano 通常在 5 秒內對包含 128,000 個輸入標記的提示做出回應。及時快取可以進一步減少延遲，同時節省成本。

圖像理解也取得了重大進展。具體來說，GPT-4.1 mini 在各種視覺基準測試中均優於 GPT-4o。

• 在MMMU（包括圖形、圖表和地圖）上，GPT-4.1 mini 得分為 73%。這高於 GPT-4.5，遠超過 GPT-4o mini 的 56%。
• 在MathVista（測試解決影像問題的能力）上，GPT-4.1 和 GPT-4.1 mini 的得分均為 57%，遠超過 GPT-4o mini 的 37%。
• 在CharXiv-Reasoning上，模型根據科學圖表回答問題，GPT-4.1 繼續保持領先。
• 在Video-MME（無字幕的長影片）上，GPT-4.1 達到了 72%，比 GPT-4o 的 65% 有了顯著的提升。

關於價格：

• GPT-4.1 每輸入 100 萬個代幣的成本為 2 美元，輸出的成本為 8 美元。
• GPT-4.1 mini 的輸入價格為 0.40 美元，輸出價格為 1.60 美元。
• GPT-4.1 nano 的輸入成本為 0.10 美元，輸出成本為 0.40 美元。

使用即時快取或批次 API 可以進一步降低這些成本，這對於大型應用程式非常有用。 OpenAI 也準備在 2025 年 7 月 14 日停止對 GPT-4.5 Preview 的支持，理由是 GPT-4.1 效能更佳、延遲更低、成本更低。