GPT-4.1淘汰了4.5！全系列百万上下文，主打一个性价比
鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
4.1与4.5孰大？OpenAI刚刚给出答案：
发布️GPT-4.1，比GPT-4.5强的那种。
新模型系列更新，一共带来三个版本：GPT-4.1，GPT-4.1 mini、GPT-4.1 nano——
与通常中杯大杯超大杯的设置不同，这回翻译过来，是中杯、小杯、超小杯。
OpenAI表示，4.1系列是️API专供，不过列位非开发者先别急哈，人家也补充了，在ChatGPT里，4.1的能力将主要通过“️融入最新版本的GPT-4o”体现。
能力方面，总结起来4.1系列纸面上最突出的优势有两点：
展开全文️长上下文，3个型号均拥有100万token上下文窗口；
️性价比，用内部老哥的说法就是：
现在你可以用4%的价格，畅享GPT-4o模型品质。
现在你可以用4%的价格，畅享GPT-4o模型品质。
OpenAI还表示，GPT-4.1系列会在API里取代GPT-4.5 Preview，后者将于今年（2025年）7月14日下架。
GPT-4.1：主打性价比
展开来看，OpenAI整体上是把GPT-4.1和GPT-4o拿来对比的。
以延迟为横轴，以智能为纵轴，可以看到，GPT-4.1比GPT-4o强了一丢丢，而4.1 mini则超出了4o mini一大截。
定量比较的结果是，️编码方面，GPT-4.1在衡量真实世界软件工程技能的SWE-bench Verified上得分为54.6%，比GPT-4o的分数提高了21.4%，比GPT-4.5强了26.6%。
️指令遵循方面，在MultiChallenge基准中，GPT-4.1得分38.3%，而GPT-4o的得分是27.8%。
️长上下文方面，在多模态长下文理解基准Video-MME上，GPT-4.1刷新SOTA，在长篇无字幕类别中得分72.0%，比GPT-4o高了6.7%。
值得注意的是，GPT-4.1 mini在多项基准测试中超过了GPT-4o。
比如在智能评估基准MMLU上，GPT-4.1 mini的得分为87.5%，超过了GPT-4o的85.7%，同时️延迟降低一半，成本降低83%。
GPT-4.1 nano则被定位为OpenAI“目前速度最快、成本最低”的模型。并且在部分测试中有超出GPT-4o mini的表现。
编码能力
OpenAI着重强调了GPT-4.1的编码能力。除了在各种编程任务上都超过GPT-4o，OpenAI还演示了其在前端编程方面的实际优势：
能够创建功能更强大、更美观的Web应用。
人类评分的结果显示，在80%的对比测试中，GPT-4.1的网站都比GPT-4o的网站更受欢迎。
能够创建功能更强大、更美观的Web应用。
人类评分的结果显示，在80%的对比测试中，GPT-4.1的网站都比GPT-4o的网站更受欢迎。
比如给出同一段提示词：
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生成的网站长这样：
而4.1的结果明显更美观：
手快的网友则已经搞出了大家更想看的——小球测试。
BTW，OpenAI提到，GPT-4.1会在API里取代GPT-4.5，GPT-4.5 Preview将在3个月后（2025年7月14日）彻底关闭，但这位老哥表示：我还是更喜欢4.5啊啊啊。
不过，老哥也坦承：4.5虽好，但4.1确实便宜太多啦（30倍价差）。
百万长上下文
再来看一眼长上下文方面，GPT-4.1的具体表现。
大海捞针实验中，面对100万token上下文检索，3个型号均能100%过关。
OpenAI还️开源了一个新的评估平台️OpenAI-MRCR，以测试模型检索和理解多条信息、并理解信息之间相互关系的能力。也就是说更接近实际应用中，大家对长上下文的真实需求。
结果如下：
还发布了一个用于评估多跳上下文推理的数据集️Graphwalks。所谓多跳，即在长上下文中进行多次逻辑跳跃，比如编写代码时在多个文件之间跳转。
在这个基准上，GPT-4.1与o1性能相当，轻松击败了GPT-4o。
性价比仍不如DeepSeek R1
价格方面，相对于自家贵得要命的模型，GPT-4.1系列无疑是便宜的。
尤其是对比要被替代的GPT-4.5 Preview，2刀/百万tokens vs 75刀/百万tokens，价格属于大砍一刀只剩零头了。
但精明的网友们发现，还是比不上DeepSeek R1：
️△图源：x@bongrandpOne More Thing
以上，你觉得GPT-4.1如何？
反正这个命名方式确实是蛮值得吐槽的。
但没准儿，OpenAI的意思是…4.10＞4.5？
至少奥特曼本尊有被说服到（doge）。
他还自嘲了一波：
我们能不能在今天夏天之前搞定我们的模型命名？在此之前每个人都可以再花几个月时间来取消我们（我们活该）。
我们能不能在今天夏天之前搞定我们的模型命名？在此之前每个人都可以再花几个月时间来取消我们（我们活该）。
参考链接：
https://openai.com/index/gpt-4-1/
