GPT-4.1, spuštěný OpenAI 14. dubna 2025, představuje kontextové okno o velikosti 1 milion tokenů a podporuje výstupy až 32 768 tokenů na požadavek. Poskytuje vynikající výkon v kódovacích úlohách, dosahuje 54,6 % v benchmarku SWE-Bench Verified, a vykazuje 10,5% zlepšení oproti GPT-4o v MultiChallenge pro sledování instrukcí. Znalostní řez modelu je stanoven na červen 2024. Cena je 2,00 $ za milion tokenů pro vstup a 8,00 $ za milion tokenů pro výstup, s 75% slevou pro cachované vstupy, což jej činí vysoce nákladově efektivním pro opakované dotazy.
Webová stránka Webová stránka AI modelu | |
Poskytovatel Subjekt, který poskytuje tento model. | |
Chat Zadejte zprávu a začněte chatovat | |
Datum vydání Kdy byl model poprvé vydán. | 1 rok ago Dub 14, 2025 |
Modality Typy dat, která tento model dokáže zpracovat | text obrázky |
Poskytovatelé API Poskytovatelé, kteří tento model nabízejí. (Toto není vyčerpávající seznam.) | OpenAI API |
Datum uzávěrky znalostí Kdy byly poslední aktualizace znalostí modelu. | - |
Open Source Zda je kód modelu k dispozici pro veřejné použití. | Ne |
Cena za vstup Cena za zpracování tokenů ve vašich výzvách | $2.00 na milion tokenů |
Cena za výstup Cena za tokeny generované modelem | $8.00 na milion tokenů |
MMLU Massive Multitask Language Understanding - Testuje znalosti v 57 oblastech, včetně matematiky, historie, práva a dalších | 90.2% pass@1 Zdroj |
MMLU-Pro Robustnější MMLU benchmark s těžšími, na uvažování zaměřenými otázkami, větším výběrem a nižší citlivostí na výzvy | - |
MMMU Massive Multitask Multimodal Understanding - Testuje porozumění napříč textem, obrázky, zvukem a videem | 74.8% Zdroj |
HellaSwag Náročný benchmark pro dokončení vět | - |
HumanEval Hodnotí schopnosti generování kódu a řešení problémů | - |
MATH Testuje schopnosti řešení matematických problémů napříč různými úrovněmi obtížnosti | - |
GPQA Testuje znalosti na úrovni PhD z chemie, biologie a fyziky prostřednictvím otázek s výběrem, které vyžadují hlubokou odbornou znalost | 66.3% Diamond Zdroj |
IFEval Testuje schopnost modelu přesně dodržovat explicitní formátovací pokyny, generovat vhodné výstupy a udržovat konzistenci dodržování pokynů napříč různými úkoly | - |
SimpleQA Hodnocení přesnosti jednoduchých otázek | - |
AIME 2024 | 48.1% Zdroj |
AIME 2025 | - |
Aider Polyglot Vícejazyčný programovací benchmark. | - |
LiveCodeBench v5 Benchmark pro programování v reálném čase | - |
Global MMLU (Lite) Zjednodušená verze benchmarku pro hodnocení univerzálnosti modelů na globální úrovni. | 87.3% pass@1 Zdroj |
MathVista Hodnotí schopnosti matematického uvažování modelů umělé inteligence ve vizuálních kontextech | - |
Mobilní aplikace |
Compare AI. Test. Benchmarks. Mobilní chatboty, Sketch
Copyright © 2026 All Right Reserved.