就在上周，关于 OpenAI 下一代大模型即将发布的传闻不断。从业内消息到代码库中发现的新模型标识（如 "o4-mini"、"o3"），种种迹象都指向眼前的发布——可能命名为 GPT-4.1，被视为 GPT-4o 的有力继承者。

现在，靴子终于落地。OpenAI 这次没有让大家等太久，正式推出了备受期待的 GPT-4.1 系列，完整阵容包括旗舰版 GPT-4.1、高性价比的 GPT-4.1 mini 和超轻量的 GPT-4.1 nano。值得注意的是，这次更新的焦点并非面向大众用户，仅通过 API 接口提供服务，OpenAI 官方文档直言不讳地指出，这批新模型在各项能力上全面超越了此前的 GPT-4o 和 GPT-4o mini，在编码能力、指令遵循、长文本处理等核心维度实现了进步，并辅以全新定价策略，其知识库也已刷新至 2024 年 6 月。OpenAI 的核心目标明确：为构建 Agent 应用的开发者提供更强悍、更可靠且更经济的基础设施。

编程评测表现优于 GPT-4.5

编码能力的强化是 GPT-4.1 系列最耀眼的亮点之一。官方数据显示，在衡量真实世界软件工程能力的 SWE-bench Verified 基准测试中，GPT-4.1 取得了 54.6% 的分数，相比 GPT-4o 的 33.2%，实现了高达 21.4 个绝对百分点的提升。

更令人玩味的是，这一成绩甚至比定位更高的 GPT-4.5（38.0%）还要高出不少，上演了一出 "4.1 > 4.5" 的有趣戏码。这意味着 GPT-4.1 在理解代码库、按需完成编程任务、生成能实际运行并通过测试的代码方面有了质的飞跃。

不仅如此，GPT-4.1 在代码处理的细节上也更为精进。例如，它在处理代码差异（diffs）方面更加可靠，根据 Aider's polyglot diff benchmark，其表现甚至超越了 GPT-4.5。官方还特别提到，模型进行无关编辑（extraneous edits）的频率从 GPT-4o 的 9% 显著降低到了 2%。

对于前端开发者而言，GPT-4.1 生成的网页应用在功能性和美观性上也更胜一筹，在内部测试中，人类评估者有 80% 的时间更偏好 GPT-4.1 的作品。同时，为了支持更大规模的代码编辑，GPT-4.1 的最大输出 Token 限制也提升至 32,768 个（GPT-4o 为 16,384 个）。据 OpenAI 官方，来自早期测试伙伴如 Windsurf 和 Qodo 的反馈也印证了这些提升，他们观察到 GPT-4.1 在实际代码生成和代码审查任务中效率更高、错误更少。

各代模型的 " 推理得分 "（Intelligence / MMLU）与 " 响应延迟 " 之间的对比

指令遵循能力的提升同样是本次更新的重中之重。模型现在能更精准地理解和执行复杂、多步骤的指令。在 Scale's MultiChallenge 基准测试（评估多轮对话中的指令遵循能力）中，GPT-4.1 得分 38.3%，较 GPT-4o 提升了 10.5 个绝对百分点。

而在 IFEval 测试（验证模型遵循格式、长度、禁用词等具体约束的能力）中，得分也从 81.0% 提升至 87.4%。OpenAI 内部评估也显示，特别是在处理困难指令时，GPT-4.1 的改进尤为明显。这种可靠性的增强，对于构建能够自主完成任务的 AI Agent 系统至关重要，能有效减少开发者 " 手把手教 " 的负担。

来自 Blue J（税务场景）和 Hex（SQL 生成）等合作伙伴的真实案例也表明，GPT-4.1 在处理复杂规则和歧义、遵循细微指令方面表现更佳，显著提高了应用准确性和开发效率。

全系支持百万级长文本处理

全系标配且真正 " 可用 " 的百万级长文本处理能力，是 GPT-4.1 系列的另一大重点。不仅旗舰版 GPT-4.1，连同 mini 和 nano 版本，都支持高达 100 万 Token 的上下文窗口（远超 GPT-4o 的 128k）。OpenAI 此次特别强调，这不仅仅是窗口大小的提升，更在于模型在如此长的文本中保持专注和理解的能力得到了强化。经典的 " 大海捞针 "（Needle in a Haystack）测试结果显示，GPT-4.1 系列能在 1M 长度的文本中稳定、准确地找到隐藏信息。

为了证明模型在更接近真实世界复杂场景下的长文本能力，OpenAI 还开源了两套新的评估基准：OpenAI-MRCR（测试在长文本中区分和检索多个相似信息点的能力）和 Graphwalks（评估需要跨文本多处进行逻辑跳转和推理的多跳推理能力）。

测试结果表明，GPT-4.1 在这些更具挑战性的任务上，相比前代有显著优势，并且能在百万 Token 级别保持强大的性能。这对需要处理大量代码、多份冗长法律文件或金融报告的应用场景来说，无疑是巨大的福音。Thomson Reuters 和 Carlyle 等金融和法律领域的早期用户反馈，GPT-4.1 在处理多份复杂长文档、提取精确信息、进行跨文档推理方面，准确性显著提高，克服了以往模型在 " 大海捞针 "、" 中间丢失 " 和多跳推理上的局限。

当然，处理百万 Token 的延迟也是开发者关心的，官方给出的初步数据是，GPT-4.1 处理 128k Token 时首个 Token 的 p95 延迟约 15 秒，1M Token 则可能需要半分钟左右，而 mini 和 nano 版本则会快得多。

更好的多模态

此外，GPT-4.1 家族的视觉理解能力也保持了高水准。特别是 GPT-4.1 mini，在 MMMU、MathVista 等多个视觉基准测试上的表现甚至优于 GPT-4o。旗舰版 GPT-4.1 则在长视频理解基准 Video-MME（无字幕长视频问答）上取得了 72.0% 的新 SOTA 成绩。

在 Video-MME 中，模型基于无字幕的 30 至 60 分钟长视频回答多项选择题

伴随性能提升而来的是极具吸引力的新定价体系。得益于推理效率的优化，GPT-4.1 系列的价格相当 " 香 "：

GPT-4.1: 输入 $2.00 / 输出 $8.00 ( 每百万 Token ) ，官方称比 GPT-4o 的中位数查询成本低 26%。

GPT-4.1 mini: 输入 $0.40 / 输出 $1.60，在性能接近甚至超越 GPT-4o 的同时，成本和延迟大幅降低。

GPT-4.1 nano: 输入 $0.10 / 输出 $0.40，成为 OpenAI 有史以来最便宜、最快速的模型，且同样支持 1M 上下文。

此外，Prompt Caching（提示缓存）的折扣从之前的 50% 提高到了 75%，对于需要重复传递相同上下文的应用能大幅节约成本。同时，使用 Batch API（批量处理）还能享受额外的 50% 折扣。

需要注意的是，随着 GPT-4.1 系列的登场，之前作为预览版推出的 GPT-4.5 Preview API 也迎来了谢幕。OpenAI 宣布，该 API 将在 2025 年 7 月 14 日正式关闭，给予开发者 3 个月的过渡时间，鼓励大家迁移到性能更优、成本更低的 GPT-4.1 系列。

进步了，但很难全赢

GPT-4.1 的发布，被一些市场观察者解读为 OpenAI 对 Anthropic 和 Google 等竞争对手近期积极动作的回应，而非一次颠覆性的技术突破。有不少评论直接指出，尽管进步显著，但在某些特定基准上，如 Aider Polyglot 编码测试，GPT-4.1（约 52%）与 Google Gemini 2.5 Pro（据报道约 73%）相比仍有差距。

来自第三方基准平台（如与 ChatLLM 服务相关的 Livebench）的早期结果在一定程度上支持了这种观点：虽然确认 GPT-4.1 相较于 GPT-4o 有所改进（'It's better than GPT-4o'），但同时将其描述为一次 " 增量更新 "（incremental update）。更值得注意的是，在 OpenAI 重点宣传的编码能力方面，该基准评估认为其表现 " 似乎并未优于 Google 的 Gemini 2.5 Pro 或 Anthropic 的 Claude 3 Sonnet ( 或更高版本模型 ) " 。这似乎意味着 AI 领域的竞争已进入到更细分、更针对性的能力比拼阶段，而非全面的代际碾压。

而谈及 OpenAI，其 " 迷幻 " 的命名体系总是绕不开的话题。从 GPT-4o、4.5、4.1，到内部代号般的 o1、o3、o4 系列（还分 low/medium/high/mini/pro 各种后缀），再到 ChatGPT 界面上令人困惑的模型选项（4o、o3-mini、o1、Deep Research、4.5、带任务调度的 4o...），" 像正常人一样给模型命名 " 似乎成了一项不可能完成的任务。这对于一个力求普及 AI 技术的公司而言，无疑增加了用户的理解成本。

尽管如此，OpenAI 此次 GPT-4.1 系列的发布，仍然释放了一个明确的信号：OpenAI 没有忘记开发者。GPT-4.5 的官方 API 接下来一周内也可以免费使用，每分钟 3 次请求，一天 200 次，TPM1 万。

不过相较于 GPT-4o 在多模态交互上的惊艳问世，GPT-4.1 系列更像是一次深入生产环节的 " 内功 " 修炼，精准解决了开发者在编码、指令控制、长文本处理等核心痛点。这种 API 优先、强调实用性和性价比的策略同时，不仅是对自身模型效率提升的自信展示，也势必给 Anthropic、Google、xAI 等对手带来更大的压力。

或许 OpenAI 真正的 " 大招 " 还在后面——毕竟 o3 完整版和 o4 mini 模型的发布也已箭在弦上。