今天凌晨1點30，OpenAI宣布開放GPT-4.1，從今天開始可以在ChatGPT中使用。

GPT-4.1是一款專門針對編碼任務(wù)和指令執(zhí)行的模型，推理效率非常高，對于日常編碼需求來說，是替代o3和o4-mini非常好的選擇。

GPT-4.1是OpenAI發(fā)布的最新模型，其最大亮點之一就是支持100萬tokens上下文，這也是OpenAI首次發(fā)布長窗口模型。

與前代模型相比，GPT-4.1、GPT-4.1Mini和GPT-4.1Nano能夠處理多達100萬tokens的上下文，是GPT-4o的8倍。

OpenAI在LongContextEvals上對長文本進行了測試，測試結(jié)果顯示，GPT-4.1系列的三個模型均能夠在語料庫的任何深度找到目標(biāo)文本，無論是開頭、中間還是結(jié)尾，甚至在長達100萬tokens的上下文中，模型依然能夠準(zhǔn)確地定位目標(biāo)文本。

OpenAI還在Multi-RoundCoreference進行了測試，通過創(chuàng)建合成對話來測試模型在長上下文中的理解和推理能力。

在這些對話中，用戶和助手交替進行對話，用戶可能會要求模型生成一首關(guān)于某個主題的詩，接著要求生成另一首關(guān)于不同主題的詩，然后可能要求生成一個關(guān)于第三個主題的短故事。模型需要在這些復(fù)雜的對話中找到特定的內(nèi)容，例如“第二篇關(guān)于某個主題的短故事”。

測試結(jié)果顯示，GPT-4.1在處理長達128Ktokens的數(shù)據(jù)時顯著優(yōu)于GPT-4o，并且在長達100萬tokens的上下文中依然能夠保持較高的性能。

在編碼能力測試中，SWEBench評估將模型置于Python代碼庫環(huán)境，讓其探索代碼庫、編寫代碼和測試用例。結(jié)果顯示，GPT-4.1的準(zhǔn)確率達到55%，而GPT-4o僅為33%。

在多語言編碼能力測試方面，Aderpolyglot基準(zhǔn)測試涵蓋多種編程語言和不同格式要求。GPT-4.1在差異性能上較GPT-4o提升一倍，在處理多語言編程任務(wù)、代碼優(yōu)化和版本管理時更高效。

在指令遵循能力測試中，OpenAI構(gòu)建內(nèi)部評估體系，模擬API開發(fā)者使用場景，測試模型對復(fù)雜指令的遵循能力。每個樣本包含分屬不同類別的復(fù)雜指令，并分難度等級。在困難子集評估中，GPT-4.1遠超GPT-4o。

在多模態(tài)處理測試的視頻MME基準(zhǔn)測試中，GPT4.1對30-60分鐘無字幕視頻進行理解并回答多項選擇題，取得72%的成績，達到當(dāng)前最佳水平，在視頻內(nèi)容理解上實現(xiàn)重大突破。

價格方面，GPT-4.1系列在性能提升的同時，價格更具競爭力。GPT-4.1相比GPT-4o價格降低26%，而GPT-4.1Nano作為最小、最快且最便宜的模型，每百萬token的成本僅為12美分。

目前，Plus、Pro和Team用戶可以通過模型選擇器中的“更多模型”使用GPT-4.1。企業(yè)和教育用戶將在接下來的幾周內(nèi)獲得訪問權(quán)限。

OpenAI還在ChatGPT中為所有用戶推出GPT-4.1-mini，取代GPT-4o-mini。