4.1與4.5孰大？OpenAI剛剛給出答案：釋出GPT-4.1，比GPT-4.5強的那種。
新模型系列更新，一共帶來三個版本：GPT-4.1，GPT-4.1 mini、GPT-4.1 nano——與通常中杯大杯超大杯的設定不同，這回翻譯過來，是中杯、小杯、超小杯。OpenAI表示，4.1系列是API專供，不過列位非開發者先別急哈，人家也補充了，在ChatGPT裡，4.1的能力將主要透過“融入最新版本的GPT-4o”體現。
能力方面，總結起來4.1系列紙面上最突出的優勢有兩點：
長上下文，3個型號均擁有100萬token上下文視窗；
價效比，用內部老哥的說法就是：現在你可以用4%的價格，暢享GPT-4o模型品質。
OpenAI還表示，GPT-4.1系列會在API裡取代GPT-4.5 Preview，後者將於今年（2025年）7月14日下架。
GPT-4.1：主打價效比
展開來看，OpenAI整體上是把GPT-4.1和GPT-4o拿來對比的。
以延遲為橫軸，以智慧為縱軸，可以看到，GPT-4.1比GPT-4o強了一丟丟，而4.1 mini則超出了4o mini一大截。
定量比較的結果是，編碼方面，GPT-4.1在衡量真實世界軟體工程技能的SWE-bench Verified上得分為54.6%，比GPT-4o的分數提高了21.4%，比GPT-4.5強了26.6%。
指令遵循方面，在MultiChallenge基準中，GPT-4.1得分38.3%，而GPT-4o的得分是27.8%。
長上下文方面，在多模態長下文理解基準Video-MME上，GPT-4.1重新整理SOTA，在長篇無字幕類別中得分72.0%，比GPT-4o高了6.7%。
值得注意的是，GPT-4.1 mini在多項基準測試中超過了GPT-4o。
比如在智慧評估基準MMLU上，GPT-4.1 mini的得分為87.5%，超過了GPT-4o的85.7%，同時延遲降低一半，成本降低83%。
GPT-4.1 nano則被定位為OpenAI“目前速度最快、成本最低”的模型。並且在部分測試中有超出GPT-4o mini的表現。
編碼能力
OpenAI著重強調了GPT-4.1的編碼能力。除了在各種程式設計任務上都超過GPT-4o，OpenAI還演示了其在前端程式設計方面的實際優勢：
能夠建立功能更強大、更美觀的Web應用。人類評分的結果顯示，在80%的對比測試中，GPT-4.1的網站都比GPT-4o的網站更受歡迎。
比如給出同一段提示詞：
Prompt: Make a flashcard web application. The user should be able to create flashcards, search through their existing flashcards, review flashcards, and see statistics on flashcards reviewed. Preload ten cards containing a Hindi word or phrase and its English translation. Review interface: In the review interface, clicking or pressing Space should flip the card with a smooth 3-D animation to reveal the translation. Pressing the arrow keys should navigate through cards. Search interface: The search bar should dynamically provide a list of results as the user types in a query. Statistics interface: The stats page should show a graph of the number of cards the user has reviewed, and the percentage they have gotten correct. Create cards interface: The create cards page should allow the user to specify the front and back of a flashcard and add to the user’s collection. Each of these interfaces should be accessible in the sidebar. Generate a single page React app (put all styles inline).
GPT-4o生成的網站長這樣：
而4.1的結果明顯更美觀：
手快的網友則已經搞出了大家更想看的——小球測試。
BTW，OpenAI提到，GPT-4.1會在API裡取代GPT-4.5，GPT-4.5 Preview將在3個月後（2025年7月14日）徹底關閉，但這位老哥表示：我還是更喜歡4.5啊啊啊。
不過，老哥也坦承：4.5雖好，但4.1確實便宜太多啦（30倍價差）。
百萬長上下文
再來看一眼長上下文方面，GPT-4.1的具體表現。
大海撈針實驗中，面對100萬token上下文檢索，3個型號均能100%過關。
OpenAI還開源了一個新的評估平臺OpenAI-MRCR，以測試模型檢索和理解多條資訊、並理解資訊之間相互關係的能力。也就是說更接近實際應用中，大家對長上下文的真實需求。
結果如下：
還發布了一個用於評估多跳上下文推理的資料集Graphwalks。所謂多跳，即在長上下文中進行多次邏輯跳躍，比如編寫程式碼時在多個檔案之間跳轉。在這個基準上，GPT-4.1與o1效能相當，輕鬆擊敗了GPT-4o。
價效比仍不如DeepSeek R1
價格方面，相對於自家貴得要命的模型，GPT-4.1系列無疑是便宜的。
尤其是對比要被替代的GPT-4.5 Preview，2刀/百萬tokens vs 75刀/百萬tokens，價格屬於大砍一刀只剩零頭了。
但精明的網友們發現，還是比不上DeepSeek R1：
△圖源：x@bongrandp
One More Thing
以上，你覺得GPT-4.1如何？
反正這個命名方式確實是蠻值得吐槽的。
但沒準兒，OpenAI的意思是…4.10＞4.5？
至少奧特曼本尊有被說服到（doge）。
他還自嘲了一波：我們能不能在今天夏天之前搞定我們的模型命名？在此之前每個人都可以再花幾個月時間來取消我們（我們活該）。
參考連結：
https://openai.com/index/gpt-4-1/
來源：量子位（QbitAI）
聯絡我們>>