OpenAI 近期通过其 API 发布了三个新模型：GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。这些模型代表了对其前身 GPT-4o 和 GPT-4o mini 的重大进步，在编码能力和指令遵循方面表现出显著的改进。此外，它们还拥有扩展的上下文窗口，能够处理多达 100 万个 tokens，并通过改进的长文本理解能力展示了利用此扩展上下文的增强熟练度。值得注意的是，这些模型具有更新的知识库，纳入了截至 2024 年 6 月的信息。本文深入探讨了这些模型的具体细节，考察了它们的性能基准、定价结构以及对开发人员的影响。
GPT-4.1：OpenAI 新模型中的编码革命
GPT-4.1 模型在几个关键领域引入了范式转变，尤其是在编码、指令遵循和长文本处理方面表现出色。其架构旨在更有效、更准确地解决复杂问题，使其成为各种应用中的领先模型。
性能基准
- 编码： GPT-4.1 在 SWE-bench Verified 基准测试中获得了 54.6% 的分数，与 GPT-4o 相比提高了 21.4%，与 GPT-4 相比提高了 26.6%。这一成就突显了其在处理编码任务方面的卓越能力，使其成为行业领导者。
- 指令遵循： 在 Scale 的 MultiChallenge 基准测试中，GPT-4.1 获得了 38.3% 的分数，比 GPT-4o 提高了 10.5%。这一改进突出了其理解和执行复杂指令的增强能力，使其对于复杂的应用程序更加可靠。
- 长文本： 在 Video-MME 基准测试中，该基准测试评估了多模态长文本理解能力，GPT-4.1 在长文本、无字幕类别中获得了 72.0% 的最新结果，超过了 GPT-4o 6.7%。这证明了它处理和理解广泛而多样的数据流的能力。
虽然基准测试提供了定量见解，但 OpenAI 强调，这些模型的开发非常重视实际应用。这种战略重点，加上与开发者社区的密切合作，使 OpenAI 能够根据对用户最相关和最有价值的任务来改进模型。
实际效用
GPT-4.1 模型经过优化，能够以更低的成本提供卓越的性能，代表了整个延迟曲线的重大进步。这不仅使 AI 更易于访问，而且推动了各种应用程序的创新。对于开发人员来说，这意味着可以在不牺牲性能的情况下创建更高效且具有成本效益的解决方案。
GPT-4.1 Mini：小型模型性能的显著飞跃
GPT-4.1 mini 引入了小型模型性能的显著飞跃。该模型在众多基准测试中超越了 GPT-4o，以更快的速度和更低的成本实现了结果，使其成为寻求效率的开发人员的吸引人选择。
GPT-4.1 mini 的关键属性包括：
- 与上一代产品相比，延迟降低了近一半。
- 成本降低了 83%。
这些改进使 GPT-4.1 mini 成为需要快速响应而不影响准确性的应用程序的理想解决方案。它的性能和效率的结合填补了可用 AI 模型范围中的关键空白。
GPT-4.1 Nano：最快、最实惠的可用模型
GPT-4.1 nano 是 GPT-4.1 系列中最快、最实惠的模型。该模型特别适合于低延迟活动，例如分类或自动完成，在这些活动中，快速处理至关重要。
GPT-4.1 nano 的主要功能包括：
- GPT-4.1 模型中最快的处理时间。
- 最低的定价结构。
- 100 万个 token 的上下文窗口。
这种组合使 GPT-4.1 nano 成为需要快速数据处理的应用程序的强大工具，为高容量任务提供具有成本效益的解决方案。
性能指标
- MMLU：80.1%
- GPQA：50.3%
- Aider polyglot coding：9.8%
这些基准测试证明了 GPT-4.1 nano 在各种任务中的熟练程度，突出了其在语言理解、问题解答和编码方面的平衡能力。
增强的可靠性和长文本理解
GPT-4.1 模型提供了改进的可靠性和全面的长文本理解，使其非常适合为可以代表用户独立执行任务的 Agents 提供支持。早期的测试人员注意到，GPT-4.1 可以对提示进行更字面的解释，这表明需要明确和具体的说明。这种精确度允许模型一丝不苟地执行指令，从而保证了预期的响应。
对 GPT-4.5 Preview 的影响
GPT-4.5 Preview 于 2024 年 7 月 14 日被弃用，因为 GPT-4.1 提供了更高的性能，同时降低了成本和延迟。OpenAI 计划在未来的模型版本中保持 GPT-4.5 中享有的创造力、写作质量、幽默和细微差别。
GPT-4.1 的主要改进
GPT-4.1 在编码、遵循指令和处理长文本方面表现出显著的改进。它在各种关键领域表现出色：
- 编码任务： 以agent方式解决编码任务，生成可靠的代码差异，并在前端编码方面表现出色。
- 指令遵循： 在遵守指定格式、处理多轮指令以及减少响应中不必要的过度自信方面有所改进。
- 长文本处理： 有效地从最多 100 万个 token 的输入中检索和处理信息。
这些改进使 GPT-4.1 成为在不同领域工作的开发人员的宝贵工具，因为它提供了精度、可靠性和效率。它还旨在解决最困难的工程挑战，确保用户在所有应用程序中获得最佳结果。
视觉和多模态能力
GPT-4.1 系列擅长理解图像和处理没有任何字幕的视频，使其适合于多模态应用。
可访问性和定价
GPT-4.1 系列模型可供所有开发人员广泛使用，其效率升级可降低价格。
- GPT-4.1 定价：
- 输入：2.00 美元
- 缓存输入：0.50 美元
- 输出：8.00 美元
- 混合定价：1.84 美元
- GPT-4.1 Mini 定价：
- 输入：0.40 美元
- 缓存输入：0.10 美元
- 输出：1.60 美元
- 混合定价：0.42 美元
- GPT-4.1 Nano 定价：
- 输入：0.10 美元
- 缓存输入：0.025 美元
- 输出：0.40 美元
- 混合定价：0.12 美元
GPT-4.1 在编码任务中的应用
GPT-4.1 旨在解决编码中的许多关键领域。这些包括以Agent方式解决编码问题、代码差异和前端编码。
- Agentic Coding：GPT-4.1 提供了改进的 agentic 编码功能，这意味着它可以独立解决复杂的编码任务。这使其能够管理大型项目并解决问题，而无需持续的人工干预。
- 可靠的代码差异：借助 GPT-4.1，生成可靠的代码差异非常简单。这确保了对代码库的修改是准确的，从而降低了出错的几率并简化了版本控制流程。
- 前端编码：GPT-4.1 在前端编码方面非常出色，使生成用户界面等任务更加有效。它在该领域的卓越效率加快了 Web 开发过程并生成了用户友好、美观的布局。
指令遵循卓越性
GPT-4.1 通过增强格式、管理多轮指令和降低过度自信来改进指令遵循。
- 改进的格式合规性：GPT-4.1 更擅长遵守要求的格式，从而鼓励所有输出的统一性。这增强了它生成的信息的一致性和可靠性。
- 多轮指令：它可以巧妙地管理多轮指令，并准确地理解和执行需要多个交互步骤的请求。这对于需要复杂论述的交互式应用程序是必不可少的。
- 降低过度自信：一个重要的改进是它增强了对过度自信的管理，即模型提供的响应对于不确定的信息过于积极。通过此改进，GPT-4.1 的置信度与事实更加紧密地结合在一起，从而防止了不准确或具有误导性的数据被传播。
GPT-4.1 用于长文本处理
GPT-4.1 通过有效地从最多 100 万个 token 的输入中获取来优化长文本管理，这极大地提高了它管理大量数据的能力。
- 高效检索：GPT-4.1 确保可以从广泛的数据集中快速且可靠地获取信息，方法是从最多 100 万个 token 中有效地检索信息。这在文本摘要和分析等上下文化重的应用程序中特别有用。
- 增强型处理：GPT-4.1 采用创新机制，可在管理如此重要的上下文窗口的同时提高处理性能和准确性。其复杂的算法使其能够正确地管理和解释上下文，从而产生适当且在上下文中丰富的见解。
GPT-4.1 助力人工智能的变革
GPT-4.1 标志着应用 AI 领域的巨大进步，有效地解决了开发人员在管理上下文和编码方面的实际需求。此进步旨在通过允许开发人员创建越来越先进和高效的 AI 系统来促进开发人员的创造力。
OpenAI 对创新和合作的承诺保证了其模型将继续扩展，以满足技术领域不断变化的需求。GPT-4.1 系列通过提供更高的准确性、效率和更低的费用，鼓励开发人员以新颖的方式使用这些技术。
总而言之，GPT-4.1 系列代表了人工智能领域的一个重大进步，为开发人员提供了更高的可用性和可访问性。凭借其增强的性能、降低的成本和广阔的上下文窗口，这些模型有望触发 AI 领域的创新。开发人员社区正焦急地等待着基于 GPT-4.1 系列的新型应用程序的发布，各种可能性是无穷无尽的。