GPT-4.1系列相比GPT-4o有哪些改进和区别？

Openai 昨晚发布了 GPT4.1 系列，GPT4.1 替代了 4o，性价比超高（在 OpenAI 体系内）。 具备 1M 超长上下文，性能出色，4.1 nano 和 mini 版本价格实惠，适合处理大量长文本任务。 代码能力超越 GPT 4.5，但不及 o1 等推理模型，GPT-4.1 在多个方面相较于 GPT-4o 有明显的提升，以下是他们的主要区别：

1. 性能提升

编码能力：

• GPT-4.1：在 SWE-bench Verified 编码基准测试中得分为 54.6%，比 GPT-4o 提高了 21.4%。

• GPT-4o：在相同测试中得分为 33.2%。

• 改进：GPT-4.1 在处理代码仓库、完成任务以及生成可运行并通过测试的代码方面表现出色。

指令遵循：

• GPT-4.1：在 Scale 的 MultiChallenge 基准测试中得分为 38.3%，比 GPT-4o 提高了 10.5%。

• GPT-4o：在相同测试中得分为 27.8%。

• 改进：GPT-4.1 在遵循复杂指令、格式化输出、避免错误行为等方面表现更好。

长文本理解：

• GPT-4.1：在 Video-MME 长文本理解基准测试中得分为 72.0%，比 GPT-4o 提高了 6.7%。

• GPT-4o：在相同测试中得分为 65.3%。

• 改进：GPT-4.1 在处理长视频（无字幕）和长文档时，能够更好地理解和提取关键信息。

2. 上下文窗口

• GPT-4.1：支持 100 万 token 的上下文窗口，比 GPT-4o 的 12.8 万 token 大幅增加。

• GPT-4o：支持 12.8 万 token 的上下文窗口。

• 改进：GPT-4.1 能够处理更大的代码库、多文档任务和长文本，适用于法律、编程、客户支持等多个领域。

3. 模型效率

• GPT-4.1：在推理效率上有显著提升，延迟更低，成本更低。

• GPT-4.1 mini：延迟降低了近一半，成本降低了 83%。

• GPT-4.1 nano：是最快的模型，延迟极低，适用于低延迟需求的任务。

• GPT-4o：在推理效率上相对较低，尤其是在处理大规模上下文时。

4. 图像理解

• GPT-4.1：在图像理解方面表现出色，特别是在多模态任务中。

• GPT-4.1 mini：在 MMMU 图像理解基准测试中得分 72.7%，优于 GPT-4o 的 68.7%。

• GPT-4o：在图像理解任务中表现较弱。

5. 成本

• GPT-4.1：每百万输入 token 收费 $2.00，输出 token 收费 $8.00。

• GPT-4.1 mini：每百万输入 token 收费 $0.40，输出 token 收费 $1.60。

• GPT-4.1 nano：每百万输入 token 收费 $0.10，输出 token 收费 $0.40。

• GPT-4o：每百万输入 token 收费更高，具体未明确，但 GPT-4.1 系列在成本上更具优势。

6. 应用场景

• GPT-4.1：适用于需要强大计算能力和复杂任务处理的场景，如专业软件开发、法律文档分析、大规模数据处理等。

• GPT-4.1 mini：适合在资源受限的环境中使用，如普通个人电脑、小型服务器等。

• GPT-4.1 nano：主要针对移动端和嵌入式设备，适用于对响应速度要求高且资源受限的场景，如快速文本分类、自动补全等。

• GPT-4o：适合一般用途，但在处理大规模上下文和复杂任务时表现较弱。

更多测试指标请参考 OpenAI 博客：https://openai.com/index/gpt-4-1/。