I. Introduction
Le 15 avril 2025, OpenAI a officiellement lancé la nouvelle série de modèles GPT-4.1, comprenant GPT-4.1, GPT-4.1 mini et GPT-4.1 nano. Ce lancement marque une nouvelle avancée majeure dans les performances, la rentabilité et les capacités d'application réelles des modèles OpenAI, en particulier dans les domaines des tâches de codage, du respect des instructions et du traitement des contextes longs, tout en offrant aux développeurs de meilleurs choix à des prix et des temps de latence moindres.
GPT-4.1 mini est maintenant disponible sur ShirtAI pour une utilisation gratuite et illimitée, à un clic du site officiel :www.lsshirtai.com
Si vous voulez appeler en tant qu'API GPT-4.1 Pour en savoir plus, consultez le site web :https://coultra.blueshirtmap.com/
II. le saut dans les compétences de codage : renforcer l'ensemble de la dimension allant de la génération du code à la pratique de l'ingénierie
Dans le champ de bataille central du développement logiciel, la série GPT-4.1 montre un changement qualitatif de la "génération de fragments de code" au "traitement d'ingénierie complexe". En réponse aux besoins réels de l'ingénierie logicielle, le modèle atteint un taux d'achèvement des tâches de 54,6% dans le test vérifié du banc SWE, soit 21% de plus que son prédécesseur GPT-4o, et dépasse même de 26,6 points de pourcentage la version préliminaire GPT-4.5 qui n'a pas encore été publiée. Cette avancée se reflète non seulement dans la précision de la logique du code, mais aussi dans la compréhension approfondie des bases de code multilingues - dans le test de référence Aider sur les différences multilingues, GPT-4.1 a obtenu un score deux fois plus élevé que GPT-4o, et il peut suivre avec précision le format de diff pour ne sortir que les lignes modifiées, et contrôler de manière stable la limite supérieure des jetons de sortie à 32 768, ce qui réduit de manière significative le nombre de développeurs. Il peut suivre avec précision le format diff pour ne sortir que les lignes modifiées et contrôler de manière stable la limite des jetons de sortie à 32 768, ce qui réduit considérablement le coût du débogage pour les développeurs. Dans le scénario de développement frontal, l'évaluation manuelle montre que la probabilité que l'application web générée soit favorisée en termes de fonctionnalité et d'esthétique est de 80%, et la capacité de développement complet a dépassé pour la première fois la plupart des modèles de code dédiés.
Comparaison des indicateurs de base :
| modélisation | Banc SWE Vérifié | Aider Benchmarks multilingues | Notation manuelle du développement du front-end | Limite supérieure du jeton de sortie | Code diff Précision |
|---|---|---|---|---|---|
| GPT-4.1 | 54.6% | 11.2 | 80% | 32768 | 53% |
| Aperçu de GPT-4.5 | 38.0% | 7.4 | 52% | 16384 | 45% |
| o3-mini-haut | 49.3% | 9.8 | 65% | 16384 | 60% |
| o1 | 41.2% | 6.1 | 48% | 128000 | 62% |
III. percée de l'exécution des commandes : précision et fiabilité du traitement des tâches complexes
Face à des instructions complexes comportant de multiples étapes et contraintes, le GPT-4.1 est passé d'une "correspondance floue" à une "exécution précise". Dans le benchmark MultiChallenge de Scale, son score d'adhérence aux instructions atteint 38,3%, soit 10,5% de plus que celui de GPT-4o ; et son score de benchmark IFEval est de 87,4%, dépassant de loin les 81,0% de son prédécesseur. Le modèle renforce particulièrement les trois difficultés majeures que sont le respect des formats (par exemple, les structures imbriquées XML/YAML), les instructions négatives (rejet explicite des demandes sensibles) et les tâches ordonnées (exécution des flux de travail étape par étape), et la fréquence des modifications non valides dans les scénarios de repères difficiles chute à 2% contre 9% pour GPT-4o dans une évaluation interne de l'OpenAI. Au cours de plusieurs cycles de dialogue, sa cohérence contextuelle atteint 92%, en suivant avec précision les détails requis dans les instructions historiques, offrant ainsi une fiabilité de niveau industriel pour un service client intelligent, un flux de travail automatisé et d'autres scénarios.
Comparaison des indicateurs de base :
| modélisation | MultiChallenge | IFEval | Cohérence du dialogue à plusieurs tours | Les directives négatives sont suivies | Taux d'exécution du mandat en bonne et due forme |
|---|---|---|---|---|---|
| GPT-4.1 | 38.3% | 87.4% | 92% | 98% | 95% |
| Aperçu de GPT-4.5 | 44.2% | 81.0% | 78% | 89% | 82% |
| o3-mini-haut | 40.1% | 85.2% | 88% | 96% | 91% |
| o1 | 45.1% | 87.1% | 89% | 97% | 94% |
Innovation à long terme : des millions de fenêtres de jetons ouvrent de nouvelles possibilités pour des applications multi-scénarios approfondies.
GPT-4.1 est livré en standard avec une fenêtre de contexte d'un million de tokens, ce qui donne une nouvelle dimension au traitement des textes longs - il peut contenir environ 8 bases de code React complètes ou 3 000 pages de documents juridiques, ce qui résout complètement le problème du "hors-contexte" dans le modèle précédent. Cette solution résout complètement le problème du "hors contexte" dans le modèle précédent. Dans la tâche d'analyse de vidéo longue non scriptée Video-MME, le modèle a obtenu un score de 72%, soit une amélioration de 6,7% par rapport à GPT-4o ; les tests sur l'ensemble de données open-source Graphwalks ont montré que sa précision d'inférence multi-sauts à l'échelle de millions de tokens atteignait 61,7%, dépassant de loin celle du modèle o1 qui s'appuie sur des contextes courts (48,7%). OpenAI optimise de manière synchrone les aspects économiques des demandes de contexte long : une fenêtre d'un million de jetons est incluse dans la tarification standard, la remise sur le cache passe de 50% à 75%, et la latence de réponse de 128K jetons est réduite à 15 secondes, soit 30% plus rapide que GPT-4.5, ce qui constitue une solution technique fondée pour des scénarios tels que l'examen de contrats juridiques et l'audit de bases de code à grande échelle.
Comparaison des indicateurs de base :
| modélisation | fenêtre contextuelle | Vidéo-MME sans sous-titres | Graphwalks Raisonnement | Cache Discount | Délai de 128K pour les jetons |
|---|---|---|---|---|---|
| GPT-4.1 | 1,000,000 | 72.0% | 61.7% | 75% | 15 secondes. |
| Aperçu de GPT-4.5 | 128,000 | 65.3% | 42.0% | 50% | 22 secondes. |
| o3-mini-haut | 256,000 | 68.5% | 55.2% | 50% | 18 secondes. |
| o1 | 128,000 | 64.1% | 48.7% | 50% | 25 secondes. |
V. Coût et efficacité : une mise à niveau pragmatique pour les développeurs
La stratégie "prix échelonnés + optimisation des performances" d'OpenAI permet aux développeurs de toutes tailles d'obtenir une option rentable. Le modèle d'entrée de gamme, GPT-4.1 nano, réduit le coût d'entrée à 2 $/million de jetons et le coût de sortie à 8 $/million de jetons tout en maintenant une fenêtre d'un million de jetons, et réduit la latence de 50% par rapport à GPT-4o, ce qui en fait le choix privilégié pour les tâches légères telles que la catégorisation de texte et l'autocomplétion ; le modèle de milieu de gamme GPT-4.1 mini surpasse GPT-4o dans les scénarios moyennement chargés tels que la génération de code et les dialogues à plusieurs tours, tout en réduisant le coût de 60%. En comparaison, le coût d'entrée de l'aperçu GPT-4.5 s'élève à 75 $/million de jetons, soit seulement 1/25e du rapport prix/performance du GPT-4.1, ce qui est la principale raison pour laquelle il sera abandonné en juillet 2025, et le nouveau modèle adopte uniformément le modèle "GPT". En outre, le nouveau modèle adopte une politique uniforme de "pas de surtaxe pour les contextes longs", ce qui change complètement le problème de coût du modèle précédent lorsqu'il s'agit de textes longs.
Comparaison des indicateurs de base :
| modélisation | Coût d'entrée ($ / million de jetons) | Coût de sortie ($/million de jetons) | Délai (jeton de 128K) |
|---|---|---|---|
| GPT-4.1 nano | 0.10 | 0.40 | 5 secondes. |
| GPT-4.1 mini | 0.40 | 1.60 | 8 secondes. |
| GPT-4.1 | 2.00 | 8.00 | 15 secondes. |
| Aperçu de GPT-4.5 | 75.0 | 150.0 | 22 secondes. |
| o3-mini-haut | 1.10 | 4.40 | 18 secondes. |
| o1 | 15.00 | 60.00 | 25 secondes. |
* : : Indice coût-performance = (capacité d'encodage + score de commande + fenêtre contextuelle)/(coût + latence), plus la valeur est élevée, mieux c'est.
Si vous souhaitez utiliser les comptes exclusifs officiels GPT Plus, Claude Pro, Grok Super, vous pouvez contacter notre équipe professionnelle (wx : abch891) si vous ne savez pas comment recharger votre compte.
评论列表 (0条)：
加载更多评论 Chargement...