GPT-4.1 – OpenAI 推出新一代语言模型，支持百万 token 上下文

GPT-4.1 是 OpenAI 最新推出的新一代语言模型，包含 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 三个版本。系列模型在编码能力、指令遵循和长文本处理等方面有显著提升，支持高达 100 万个 token 的上下文窗口。

新闻资讯 2026-05-10 PPISO

2 0

GPT-4.1 – OpenAI 推出新一代语言模型，支持百万 token 上下文

文章摘要

GPT-4.1是什么

GPT-4.1 是 OpenAI 最新推出的新一代语言模型，包含 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 三个版本。系列模型在编码能力、指令遵循和长文本处理等方面有显著提升，支持高达 100 万个 token 的上下文窗口。在多项基准测试中，GPT-4.1 的表现优异，如在 SWE-bench Verified 测试中得分 54.6%，比 GPT-4o 提高了 21.4 个百分点。GPT-4.1 系列的成本更低，是目前最快且最便宜的模型。GPT-4.1 系列模型目前仅通过 API 提供服务，已对所有开发者开放。

GPT-4.1的主要功能

长上下文处理能力：GPT-4.1 系列模型支持长达 100 万个 token 的上下文处理能力。使模型能处理更长的文本，如整本书籍或大型代码库。
多模态处理：GPT-4.1 系列模型在多模态处理方面也进行了优化。视觉编码器与文本编码器是分开的，存在交叉注意力。设计使模型能更好地处理图文混合的内容。
代码生成与优化：GPT-4.1 在编程任务上的表现显著优于前代模型。在 SWE-bench Verified 测试中，准确率达到 54.6%，比 GPT-4o 提高了 21.4 个百分点。能更高效地探索代码库、编写代码和测试用例。
多语言支持：在多语言编码能力测试中，GPT-4.1 的性能提升一倍，在处理多语言编程任务、代码优化和版本管理时更加高效。
工具调用效率：在实际应用中，如 Windsurf 的内部编码基准测试显示，GPT-4.1 的得分比 GPT-4o 高出 60%，工具调用效率提升了 30%。
复杂指令处理：GPT-4.1 在指令遵循方面表现出色，能更可靠地遵循复杂指令。在 Scale 的 MultiChallenge 基准测试中，得分比 GPT-4o 提高了 10.5 个百分点。
多轮对话能力：在多轮对话中，GPT-4.1 能更好地跟踪上下文信息，保持对话的连贯性。在 OpenAI 的内部指令遵循评估中，GPT-4.1 在困难提示方面的表现尤为突出。
超大上下文窗口：GPT-4.1 系列模型支持高达 100 万个 token 的上下文处理能力，是 GPT-4o 的 8 倍。使模型能处理超长文本，如 8 套完整的 React 源码或成百上千页文档。
长文本理解：在长文本理解方面，GPT-4.1 能更准确地定位和提取关键信息。在 OpenAI 的长上下文评估中，GPT-4.1 在长达 100 万个 token 的上下文中能准确地定位目标文本。
图像理解：GPT-4.1 系列在图像理解方面表现出色，GPT-4.1 mini，在图像基准测试中经常超过 GPT-4o。
视频内容理解：在 Video-MME 测试中，GPT-4.1 对 30 到 60 分钟无字幕视频进行理解并回答多项选择题，取得了 72% 的成绩，达到当前最佳水平。
高性价比：GPT-4.1 系列在性能提升的同时，成本更低。GPT-4.1 的中等规模查询成本比 GPT-4o 低 26%，而 GPT-4.1 nano 是 OpenAI 目前最便宜、速度最快的模型。
低延迟与高效率：GPT-4.1 mini 的延迟降低了近一半，成本减少了 83%，适合需要低延迟的任务。

GPT-4.1的技术原理

Transformer 架构的优化：GPT-4.1 依然基于 Transformer 架构，进行了进一步优化。支持模型在训练过程中捕捉更广泛的上下文信息。通过大量的语料库学习，GPT-4.1 系列模型学会了如何在庞大的文本范围内保持注意力，准确地定位相关信息，提高了对复杂任务的解决能力。
混合专家模型（Mixture of Experts, MoE）：为了在保持高性能的同时降低计算成本和存储需求，GPT-4.1 采用了混合专家模型。模型包含 16 个独立的专家模型，每个专家模型有 1110 亿个参数。每次前向传递路由经过两个专家模型，使模型在处理不同数据和任务分布时能够更加灵活和高效。
训练数据集：GPT-4.1 使用了包含 13 万亿 tokens 的数据集进行训练。这些 tokens 不是唯一的，而是根据迭代次数计算得出的。庞大的数据集使得 GPT-4.1 在训练过程中能学习到更多的语言知识和上下文信息，提高了模型在自然语言处理任务中的准确性。
推理优化：GPT-4.1 在推理过程中采用了多种优化技术，如可变批量大小和连续批量处理。极大地优化了延迟并降低了推理成本。
成本控制：通过采用混合专家模型和优化的训练及推理策略，GPT-4.1 在保持高性能的同时显著降低了计算成本和存储需求。使模型在实际应用中更加经济高效。

GPT-4.1模型系列的性能表现

GPT-4.1：在编码能力上，GPT-4.1 在 SWE-bench Verified 测试中得分达到 54.6%，相比 GPT-4o 提高了 21.4 个百分点，是目前领先的编码模型。在指令遵循方面，其在 Scale 的 MultiChallenge 基准测试中得分比 GPT-4o 提高了 10.5 个百分点。在长文本理解上，Video-MME 测试显示，GPT-4.1 在长视频无字幕类别的得分达到 72.0%，比 GPT-4o 提高了 6.7 个百分点。
GPT-4.1 mini：在小型模型性能上取得了显著进步，甚至在许多基准测试中超过了 GPT-4o。在智能评估中与 GPT-4o 相当，同时将延迟降低了近一半，成本降低了 83%。
GPT-4.1 nano：是 OpenAI 推出的首个 nano 模型，也是目前最快、最便宜的模型。在 MMLU 上得分为 80.1%，在 GPQA 上得分为 50.3%，在 Aider polyglot 编码上得分为 9.8%，超过了 GPT-4o mini。