GPT-4.1震撼发布：支持100万tokens上下文，OpenAI首次推出长窗口模型

由于GPT-4.1的发布，OpenAI宣布将消除最近发布的GPT-4.5，这可以看到。

当前，如果您想体验GPT-4.1，但无法通过API身份验证，Microsoft已在Azure OpenAI上启动了该模型，并且可以使用。

GPT-4.1的亮点是什么？

GPT-4.1最大的亮点之一是它对100万个代币背景的支持，这也是Openai首次发布较长的窗口模型。

与以前的型号相比，GPT-4.1，GPT-4.1 MINI和GPT-4.1 NANO能够处理多达100万个令牌，比GPT-4O高8倍。

Openai在长上下文Evals上测试了长文本。测试结果表明，GPT-4.1系列的三个模型可以在语料库中的任何深度（无论是开始，中间还是末端，甚至在最高100万个标记的上下文中）找到目标文本，该模型都可以准确地定位目标文本。

OpenAI还在多轮核心中进行了测试，以通过创建合成对话来测试该模型在长篇小说中的理解和推理功能。在这些对话中，用户和助手交替进行对话，用户可以要求模型生成有关主题的诗，然后要求生成另一首关于另一个主题的诗，然后要求生成有关第三个主题的简短故事。该模型需要在这些复杂的对话中找到特定的内容，例如“关于主题的第二个短篇小说”。

测试结果表明，在处理高达128K令牌的数据时，GPT-4.1比GPT-4O明显好，并且在多达100万个令牌的背景下仍然可以保持高性能。

在编码功能测试时，SWEBENCH评估将模型置于Python代码库环境中，从而允许其探索代码库，写代码和测试用例。结果表明，GPT-4.1的准确率达到55％，而GPT-4O仅为33％。

在多语言编码功能测试方面，Ader Polyglot基准涵盖了多种编程语言和不同格式的要求。与GPT-4O相比，GPT-4.1使差异性能翻了一番，在处理多语言编程任务，代码优化和版本管理时，其效率更高。

在指令合规性测试中，OpenAI构建了内部评估系统，模拟API开发人员的使用方案，并测试模型遵循复杂说明的能力。每个样本包含分类为不同类别的复杂说明，并分为难度级别。在评估困难子集中，GPT-4.1远远优于GPT-4O。

在多模式处理测试的视频MME基准测试中，GPT 4.1了解30-60分钟的未订阅视频并回答多项选择问题，达到72％的结果，达到当前最佳水平，并在理解视频内容的理解方面取得了重大突破。

在价格方面，虽然GPT-4.1系列的性能在价格上更具竞争力。 GPT-4.1比GPT-4O低26％，而GPT-4.1 NANO（最小，最便宜，最便宜的车型）的价格仅为每百万代币12美分。

自2022年底推出热门聊天机器人以来，Openai一直在迅速升级其模型，以远远超出文本，并进入图像，语音和视频的领域。该公司正在努力保持领先于生成人工智能领域，在那里，它面临着Google，Anthropic和Musk的Xai等竞争对手的激烈竞争。

Openai写道：“我们的推理模型首次可以独立使用所有ChatGpt工具 - 网络浏览，Python，图像理解和图像生成。” “这有助于他们更有效地解决复杂的多步骤问题，并采取真正的步骤独立行动。”

该公司在上个月的一轮资金中价值3000亿美元。该公司表示，O3和O4-Mini是其第一个“使用图像思考”的AI模型。根据Openai的说法，这意味着“他们不仅可以看到图像，而且还可以将视觉信息直接集成到推理链中。”