GPT-4.1 - OpenAI 推出新一代语言模型，支持百万 token 上下文

GPT-4.1是什么

GPT-4.1 是 OpenAI 新推的一代语言模型，有 GPT-4.1、GPT-4.1 mini、GPT-4.1 nano 三个版本。这一系列在编码、指令遵循、长文本处理上都有提升，上下文窗口最大到 100 万个 token。多项基准里 GPT-4.1 成绩不错，比如 SWE-bench Verified 得分 54.6%，比 GPT-4o 高 21.4 个百分点。GPT-4.1 系列的价格也更低，是 OpenAI 目前最快、最便宜的模型。GPT-4.1 系列目前只通过 API 提供，已经对所有开发者开放。

GPT-4.1的主要功能

• 长上下文处理能力：GPT-4.1 系列支持最长 100 万个 token 的上下文，整本书、大型代码库都能塞进去。
• 多模态处理：GPT-4.1 的多模态这块也做了优化。视觉编码器和文本编码器分开，中间有交叉注意力，图文混排的内容处理起来更顺。
• 代码生成与优化：GPT-4.1 在编程任务上的表现比前代好不少。SWE-bench Verified 准确率 54.6%，比 GPT-4o 高 21.4 个百分点；翻代码库、写代码、写测试都更利索。
• 多语言支持：多语言编码测试里，GPT-4.1 的性能翻了一倍，多语言编程、代码优化、版本管理都更省事。
• 工具调用效率：在实际应用中，如 Windsurf 的内部编码基准测试显示，GPT-4.1 的得分比 GPT-4o 高 60%，工具调用效率提升 30%。
• 复杂指令处理：GPT-4.1 的指令遵循是强项，复杂指令也能稳稳接住。Scale 的 MultiChallenge 基准上，得分比 GPT-4o 高 10.5 个百分点。
• 多轮对话能力：多轮对话里，GPT-4.1 把上下文跟得更紧，话题不容易断。OpenAI 内部指令遵循评估中，GPT-4.1 在困难提示这一类表现得尤其好。
• 超大上下文窗口：GPT-4.1 系列最长支持 100 万个 token，是 GPT-4o 的 8 倍，8 套完整的 React 源码或者成百上千页文档都装得下。
• 长文本理解：长文本理解上，GPT-4.1 定位和提取关键信息更准。OpenAI 的长上下文评估里，GPT-4.1 在 100 万个 token 的上下文中也能找到目标那段文字。
• 图像理解：GPT-4.1 系列在图像理解上也不错，GPT-4.1 mini 在图像基准上经常压过 GPT-4o。
• 视频内容理解：Video-MME 测试里，GPT-4.1 看 30 到 60 分钟的无字幕视频再答多选题，拿到 72%，是当前最好成绩。
• 高性价比：GPT-4.1 系列性能涨了，价格反而低。GPT-4.1 的中等规模查询成本比 GPT-4o 低 26%，GPT-4.1 nano 则是 OpenAI 目前最便宜、最快的模型。
• 低延迟与高效率：GPT-4.1 mini 延迟降了近一半，成本少了 83%，对延迟敏感的任务适合用它。

GPT-4.1的技术原理

• Transformer 架构的优化：GPT-4.1 还是 Transformer 架构，只是又优化了一层，训练时能抓住更广的上下文。喂了大量语料之后，GPT-4.1 学会了在很长的文本里保持注意力、准确定位相关信息，复杂任务的处理能力也就上来了。
• 混合专家模型（Mixture of Experts, MoE）：为了性能不掉、算力和存储又能省，GPT-4.1 用了混合专家模型：一共 16 个独立专家，每个 1110 亿参数，每次前向只路由到其中两个。数据分布和任务类型变化时，模型应对起来更灵活。
• 训练数据集：GPT-4.1 的训练数据有 13 万亿 tokens，这些 token 不是去重后的唯一值，而是按迭代次数累计出来的。数据量够大，GPT-4.1 能学到的语言知识和上下文更多，自然语言处理任务的准确性也更高。
• 推理优化：GPT-4.1 在推理时用了几种优化，比如可变批量大小和连续批量处理，延迟和推理成本都压下来了。
• 成本控制：混合专家模型加上优化过的训练、推理策略，GPT-4.1 性能没掉，算力和存储需求降了不少，实际用起来更省钱。

GPT-4.1模型系列的性能表现

• GPT-4.1：编码上，GPT-4.1 在 SWE-bench Verified 得分 54.6%，比 GPT-4o 高 21.4 个百分点，是目前领先的编码模型。指令遵循上，Scale 的 MultiChallenge 基准比 GPT-4o 高 10.5 个百分点。长文本理解上，GPT-4.1 在 Video-MME 的长视频无字幕类别拿到 72.0%，比 GPT-4o 高 6.7 个百分点。
• GPT-4.1 mini：小模型这一档进步明显，不少基准上已经超过 GPT-4o。智能评估和 GPT-4o 打平，延迟降了近一半，成本低了 83%。
• GPT-4.1 nano：OpenAI 的第一个 nano 模型，也是目前最快、最便宜的。MMLU 得分 80.1%，GPQA 50.3%，Aider polyglot 编码 9.8%，都比 GPT-4o mini 高。

GPT-4.1的项目地址

• 项目官网：https://openai.com/index/gpt-4-1/

GPT-4.1的模型定价

• GPT-4.1：每百万输入标记 2 美元，每百万输出标记 8 美元。
• GPT-4.1 mini：每百万输入标记 0.4 美元，每百万输出标记 1.6 美元。
• GPT-4.1 nano：每百万输入标记 0.1 美元，每百万输出标记 0.4 美元。

GPT-4.1的应用场景

• 法律领域：法律文档审查上，GPT-4.1 的多文档审查准确率比 GPT-4o 高 17%，复杂的法律文件处理起来更快。
• 金融分析：金融数据分析里，GPT-4.1 从大型文档中提取关键信息更准，分析师拿到的数据也更全。
• 前端开发：前端编程上，GPT-4.1 做出的网页应用功能更全、样子也更好看；生成的网站在 80% 的情况下更受付费人类评审员偏爱。