OpenAI 周一推出 GPT-4.1 系列新模型，包括 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。该系列通过 API 提供（暂不支持 ChatGPT），主打编码与指令遵循能力，拥有 100 万 token 上下文窗口，可一次性处理约 75 万单词。
此举旨在应对 Google Gemini 2.5 Pro、Anthropic Claude 3.7 Sonnet 及 DeepSeek V3 等竞品在编程基准测试中的强势表现。OpenAI 致力于训练能执行复杂软件工程任务的 AI，目标是打造“代理软件工程师”，实现从开发到测试、文档的全流程自动化。
核心优化与性能
据 OpenAI 介绍，GPT-4.1 针对开发者反馈进行了专项优化，提升了前端编码、格式遵循、工具使用及响应结构一致性等方面的能力，助力构建更高效的智能体（agents）。完整模型在 SWE-bench 等编码基准中优于 GPT-4o 系列；mini 和 nano 版本则在牺牲少量准确性的前提下实现了更高效率，其中 nano 为史上最快且最便宜的模型。
定价与基准表现
GPT-4.1 输入/输出价格分别为 $2/$8（每百万 token）；mini 为 $0.40/$1.60；nano 为 $0.10/$0.40。内部测试显示，GPT-4.1 单次生成令牌上限达 32,768（GPT-4o 为 16,384），SWE-bench Verified 得分 52%-54.6%，略低于 Gemini 2.5 Pro（63.8%）和 Claude 3.7 Sonnet（62.3%）。此外，其在 Video-MME “长视频无字幕”类别中以 72% 准确率位居榜首。
局限性与注意事项
尽管知识截止日期更新至 2024 年 6 月，但当前顶尖模型仍难以完美处理专家级任务，代码生成可能引入安全漏洞。同时，随着输入量增加，GPT-4.1 可靠性会下降：在 OpenAI-MRCR 测试中，准确率从 8k token 时的 84% 降至 1M token 时的 50%。相比 GPT-4o，该模型更为“字面化”，使用时需提供更具体明确的提示词。