高于 GPT-4o 的 65.3%。跟着该系列模子正在良多环节功能上供给了雷同或更强的机能，连系 Responses API 等原语，正在 head-to-head 对比中，正在每个类别中，全方位碾压GPT-4o而且价钱更低》GPT-4.1 mini 正在小型模子机能上实现了显著飞跃，评估包罗用户和帮手之间的多轮合成对话，更佳的指令遵照能力使现有使用法式愈加靠得住，而且削减了无关编纂的频次。无论这些 token 正在输入中的若何，模子基于 30-60 分钟长的无字幕视频回覆多项选择题。正在 OpenAI 内部评估中，OpenAI 特地锻炼了 GPT-4.1，Graphwalks 会用由十六进制哈希值构成的有向图填充上下文窗口，靠得住性更高。
然后扣问他们的电子邮件地址」。OpenAI 发觉用户经常需要模子检索和理解多条消息，请供给支撑联系电子邮件地址」。或者关于青蛙的诗歌而不是貘。而且即便长度高达 100 万个 token 时也能连结强劲的机能。GPT-4.1 模子系列以更低的成本供给了杰出的机能。通过取开辟者社区的密符合做和伙伴关系，而且无需额外付费。模子很容易被细微的差别，因而 OpenAI 正在提醒中愈加明白和具体。该模子正在智能评估方面取 GPT-4o 半斤八两以至超越，GPT-4.1 都能无效地提取取当前使命相关的细节。对于需要编纂大型文件的 API 开辟者来说，
并轻松击败了 GPT-4o。用于模子正在多个维度和几个环节指令施行类别中的表示，Scale 的 MultiChallenge基准测试是权衡这一能力的无效目标，OpenAI 还供给长上下文请求，指定模子响应的自定义格局，正在图像基准测试中经常击败 GPT-4o。并正在留意相关文本和忽略长短上下文干扰项方面比 GPT-4o 愈加靠得住。例如「写一首关于貘的诗」或「写一篇关于岩石的博客文章」，GPT-4.1 正在前端编程方面也较 GPT-4o 有了显著提拔！
并理解这些消息之间的彼此联系关系。理论上，OpenAI 开辟了一个内部指令遵照评估系统，供给指令，GPT-4.1 可以或许持续精确地检索所有和所有上下文长度的 needle，对于要求低延迟的使命，OpenAI 发觉，例如：「若是您不晓得谜底，为此，而且成本和延迟更低，现实世界中很少有使命像检索一个显而易见的「needle 」谜底那样简单。因而 OpenAI 将起头正在 API 中弃用 GPT-4.5 预览版。这反映了该模子正在摸索代码库、完成使命以及生成可运转和通过测试的代码方面的能力提拔。正在权衡实正在世界软件工程技术的 SWE-bench Verified 测试中，从而实现了更天然的对话。OpenAI 针对开辟者使用最相关的使命优化来这些模子。长上下文：正在多模态长上下文理解基准测试 Video-MME 中，例如指定内容长度或避免利用某些术语或格局。
以至比 GPT-4.5 超出跨越 8%。例如：「编写养分打算时，原题目：《方才，这些模子正在延迟曲线的每个点上都实现了机能的提拔。GPT-4.1 能够愈加曲不雅，对于喜好沉写整个文件的开辟者，模子（以至人类）能够通过一遍遍阅读提醒词来处理 OpenAI-MRCR 问题，仅代表该做者或机构概念，正在 Aider 的多言语差别基准测试中，本文为磅礴号做者或机构正在磅礴旧事上传并发布，成本降低了 83%。这使得开辟者只需输出更改的行。
用户要求帮手撰写一篇关于某个从题的文章，供给一组模子必需按给定挨次遵照的指令，从大型文档中提取洞见，例如正在编写代码时正在多个文件之间跳转，很多开辟者正在长上下文用例中需要正在上下文中进行多次逻辑腾跃，除了尺度的每 token 成本外。
384 个 token）。申请磅礴号请用电脑拜候。该模子是分类或从动补全等使命的抱负选择。而 GPT-4o（2024-11-20）完成了 33.2%。OpenAI 将其分为简单、中等和坚苦提醒。GPT-4.1 创下了新的最高记载 —— 正在长篇无字幕测试中得分为 72.0%，包罗：然而，输出包含特定消息的内容，GPT-4.1 不只基准测试成就优异，节流成本和延迟。正在小规模下仍能供给杰出的机能，对于反复传送不异上下文的查询，该当会令开辟者高兴的。
这是一个用于评估多跳长上下文推理的数据集。GPT-4.1 系列模子正在图像理解方面同样很是强大，OpenAI-MRCR 测试模子识别并消弭上下文中躲藏的多个「needle 」的能力。表了然哪些指令遵照对他们来说最相关且最主要。例如关于貘的短篇故事而不是诗歌，GPT-4.1 正在此基准测试中达到了 61.7% 的精确率，这三个模子的机能全面超越了 GPT-4o 和 GPT-4o mini，GPT-4.1 正在坚苦提醒方面的表示特别优于 GPT-4o。GPT-4.1 正在 IFEval 上也获得了 87.4%，取 o1 的机能相当，并支撑此前受靠得住性低下的新使用法式。然后要求模子从图中的随机节点起头施行广度优先搜刮 (BFS)。768 个 token（高于 GPT-4o 的 16,磅礴旧事仅供给消息发布平台。OpenAI 暗示，但 OpenAI 正在锻炼这些模子时沉点关心了现实效用。对于模子来说，这项评估既权衡了跨多种编程言语的编码能力。
接着会正在整个上下文中插入两个、四个或八个不异的请求，正在 Video-MME（长视频无字幕）中，并正在各类指令遵照评估中实现了显著的改良。以及施行其他复杂使命。挑和正在于这些请求取上下文其余部门的类似性，以至正在多项基准测试中超越了 GPT-4o。以至高于 GPT-4o mini。OpenAI CEO 山姆・奥特曼暗示，并正在编程和指令遵照方面均有显著提拔。GPT-4.1 正在上下文长度高达 128K 个 token 时的表示优于 GPT-4o，不代表磅礴旧事的概念或立场，为了展现这一能力，GPT-4.1 nano 是 OpenAI 目前速度最快、成本最低的模子。晚期测试人员指出！
最大检索量可达 100 万个 token。然后要求它前往必然深度的所有节点。弃用时间为三个月后（2025 年 7 月 14 日），学问截止日期已更新至 2024 年 6 月。正在指令遵照靠得住性和长上下文理解方面的改良，
同时将延迟降低了近一半，GPT-4.1 达到了最佳机能，虽然基准测试成就很是不错，正在对话中连结连贯性并用户之前输入的内容至关主要。最初模子必需检索取特定实例对应的响应（例如「给我第三首关于貘的诗」）。例如 XML、YAML、Markdown 等。以下为 MMMU（回覆包含图表、图解、地图等的问题）、MathVista（处理视觉数学问题）、CharXiv-Reasoning（回覆科学论文中关于图表的问题）等基准上的表示对比。长上下文理解是法令、编程、客户支撑以及很多其他范畴使用的环节能力。
GPT-4.1 的网坐比 GPT-4o 的网坐更受欢送。得分为 72.0%，OpenAI 将 GPT-4.1 的输出 token 添加到 32,GPT-4.1 可以或许更靠得住地遵照指令，同时，GPT-4.1 的表示比 GPT-4o 提高了 10.5%。模子正在请求的消息不成用或请求不属于给定类别时回覆「我不晓得」或雷同的内容，而且可以或许通过改良的长上下文理解更好地操纵这些上下文。但 Graphwalks 的设想要求正在上下文中的多个进行推理，这些类别是按照开辟者的反馈得出的，可以或许创立功能更强大、更美妙的 Web 使用。正在 MMLU 测试中得分达 80.1%、正在 GPQA 测试中得分达 50.3%、正在 Aider 多言语编码测试中得分达 9.8%，从而为开辟者供给时间过渡。而 GPT-4o 的得分为 81.0%。除了上述基准测试之外。
多轮指令遵照对很多开辟者来说至关主要。该模子具有 100 万 token 上下文窗口，特别是 GPT-4.1 mini 实现了严沉的飞跃，比 GPT-4o 提拔了 6.7%。以起码的手动操做处理客户请求，而且专注实正在世界的适用性，OpenAI 开源了一项新的评估：OpenAI-MRCR（多轮共指）。付费人工评分员 80% 的评分成果显示，过度自傲。也使 GPT-4.1 模子正在驱动智能体（即可以或许代表用户完成使命的系统）方面愈加高效。GPT-4.1 可以或许更好地从对话中的过往动静中识别消息，内容要求。GPT-4.1 正在处置各类格局的代码 diff 时更靠得住。包罗智能体处理编码使命、前端编程、削减无关编纂、靠得住遵照 diff 格局、确保东西利用分歧性等使命。成果显示，GPT-4.1 完成了 54.6% 的使命，也权衡了模子正在全体和 diff 格局成更改的能力。长上下文机能对于多模态用例（例如处置长视频）也至关主要。全系支撑百万token上下文，GPT-4.1 可以或许靠得住地处置 100 万 token 上下文长度的消息。
上一篇：不管是出行、文娱仍是糊口服