今天凌晨1点30，OpenAI宣布开放GPT-4.1，从今天开始可以在ChatGPT中使用。
GPT-4.1是一款专门针对编码任务和指令执行的模型，推理效率非常高，对于日常编码需求来说，是替代o3和o4-mini非常好的选择。
GPT-4.1是OpenAI发布的最新模型，其最大亮点之一就是支持100万tokens上下文，这也是OpenAI首次发布长窗口模型。
与前代模型相比，GPT-4.1、GPT-4.1Mini和GPT-4.1Nano能够处理多达100万tokens的上下文，是GPT-4o的8倍。
OpenAI在LongContextEvals上对长文本进行了测试，测试结果显示，GPT-4.1系列的三个模型均能够在语料库的任何深度找到目标文本，无论是开头、中间还是结尾，甚至在长达100万tokens的上下文中，模型依然能够准确地定位目标文本。
OpenAI还在Multi-RoundCoreference进行了测试，通过创建合成对话来测试模型在长上下文中的理解和推理能力。
在这些对话中，用户和助手交替进行对话，用户可能会要求模型生成一首关于某个主题的诗，接着要求生成另一首关于不同主题的诗，然后可能要求生成一个关于第三个主题的短故事。模型需要在这些复杂的对话中找到特定的内容，例如“第二篇关于某个主题的短故事”。
测试结果显示，GPT-4.1在处理长达128Ktokens的数据时显著优于GPT-4o，并且在长达100万tokens的上下文中依然能够保持较高的性能。
在编码能力测试中，SWEBench评估将模型置于Python代码库环境，让其探索代码库、编写代码和测试用例。结果显示，GPT-4.1的准确率达到55%，而GPT-4o仅为33%。
在多语言编码能力测试方面，Aderpolyglot基准测试涵盖多种编程语言和不同格式要求。GPT-4.1在差异性能上较GPT-4o提升一倍，在处理多语言编程任务、代码优化和版本管理时更高效。
在指令遵循能力测试中，OpenAI构建内部评估体系，模拟API开发者使用场景，测试模型对复杂指令的遵循能力。每个样本包含分属不同类别的复杂指令，并分难度等级。在困难子集评估中，GPT-4.1远超GPT-4o。
在多模态处理测试的视频MME基准测试中，GPT4.1对30-60分钟无字幕视频进行理解并回答多项选择题，取得72%的成绩，达到当前最佳水平，在视频内容理解上实现重大突破。
价格方面，GPT-4.1系列在性能提升的同时，价格更具竞争力。GPT-4.1相比GPT-4o价格降低26%，而GPT-4.1Nano作为最小、最快且最便宜的模型，每百万token的成本仅为12美分。
目前，Plus、Pro和Team用户可以通过模型选择器中的“更多模型”使用GPT-4.1。企业和教育用户将在接下来的几周内获得访问权限。
OpenAI还在ChatGPT中为所有用户推出GPT-4.1-mini，取代GPT-4o-mini。
