GPT-4.1 API 发布说明 / 新功能

OpenAI 已发布一系列新 API 模型——GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano，这些模型在编码、指令遵循和长上下文理解方面超越了 GPT-4o 和 GPT-4o mini。它们引入了高达 100 万 token 的扩展上下文窗口，并将知识截止日期刷新至 2024 年 6 月。

增强的编码能力

GPT-4.1 旨在实现高性能软件工程，在代理任务求解和代码编辑可靠性方面表现出显著提升。

• 软件工程性能：GPT-4.1 在 SWE-bench Verified 上得分 54.6%，比 GPT-4o 提高了 21.4%（绝对值），比 GPT-4.5 提高了 26.6%（绝对值）。
• 代码差异可靠性：该模型在 Aider 的多语言差异基准上得分是 GPT-4o 的两倍以上，并比 GPT-4.5 高出 8%（绝对值）。这使得开发者只输出更改的行，而不是重写整个文件，从而降低成本和延迟。
• 前端开发：在正面对比中，人类评分员 80% 的情况下更倾向于 GPT-4.1 生成的网站，而非 GPT-4o 的。
• 噪声降低：内部评估显示，代码的多余编辑从 GPT-4o 的 9% 降至 GPT-4.1 的 2%。

改进的指令遵循与可靠性

GPT-4.1 在各种复杂指令类别（包括格式遵循（XML、YAML、Markdown）、负指令、有序指令和排名）上展示了更高的可靠性。

• 基准提升：GPT-4.1 在 Scale 的 MultiChallenge 基准上得分 38.3%（比 GPT-4o 提高 10.5%），在 IFEval 上得分 87.4%（而 GPT-4o 为 81.0%）。
• 多轮连贯性：该模型经过训练，可更好地从先前消息中检索信息，提升深度对话的连贯性。
• 真实场景应用：早期测试者，如 Blue J，报告称在具有挑战性的真实税务场景中准确率提升了 53%，相较于 GPT-4o。Hex 报告其最具挑战性的 SQL 评估集几乎提升了 2 倍。

长上下文理解与推理

GPT-4.1 系列的所有模型现在支持 100 万 token 的上下文窗口，显著提升了处理大型代码库或大量文档集的能力。

• 检索准确性：在“针刺大海捞针”评估中，GPT-4.1、mini 和 nano 在高达 100 万 token 的所有位置上始终能够准确检索信息。
• 复杂推理：为评估多跳推理，OpenAI 引入了 Graphwalks 数据集。GPT-4.1 在该基准上取得 61.7% 的准确率，匹配 OpenAI o1 并超越 GPT-4o。
• 多轮共指：OpenAI 还开源了 OpenAI-MRCR 评估，其中 GPT-4.1 在上下文长度最高 128K 时优于 GPT-4o，并在高达 100 万 token 时保持强劲表现。
• 企业影响：Thomson Reuters 报告 CoCounsel 在多文档审查准确率提升了 17%，而 Carlyle 在非常大且密集的文档检索方面提升了 50%。

模型系列层级与性能

OpenAI 引入了三种不同的层级，以平衡智能、延迟和成本：

• GPT-4.1：面向最复杂任务的旗舰模型，提供最高的智能水平和最大的上下文窗口。
• GPT-4.1 mini：高效模型，在智能评估上匹配或超越 GPT-4o，同时将延迟降低近一半，成本降低 83%。
• GPT-4.1 nano：最快且最便宜的模型，在 MMLU 上得分 80.1%，在 GPQA 上得分 50.3%。它针对低延迟任务（如分类和自动补全）进行优化。

视觉与多模态能力

GPT-4.1 提供先进的图像理解能力，GPT-4.1 mini 在图像基准上经常超越 GPT-4o。该模型在长视频理解方面也创下新纪录，在 Video-MME（长视频，无字幕）类别中得分 72.0%，比 GPT-4o 提高了 6.7%（绝对值）。

定价与可用性

GPT-4.1 系列模型可通过 API 使用。GPT-4.5 预览版将在 2025 年 7 月 14 日停用。

模型	输入 (每 1M)	缓存输入 (每 1M)	输出 (每 1M)	综合定价
GPT-4.1	$2.00	$0.50	$8.00	$1.84
GPT-4.1 mini	$0.40	$0.10	$1.60	$0.42
GPT-4.1 nano	$0.10	$0.025	$0.40	$0.12

关键定价更新：

• 提示缓存：重复上下文的折扣已提升至 75%（原为 50%）。
• 长上下文：最高 100 万 token 的请求在标准每 token 费率之外不收取额外费用。
• 批量 API：通过 Batch API 使用可享受 50% 折扣。