GPT-4.1, lanzado por OpenAI el 14 de abril de 2025, introduce una ventana de contexto de 1 millón de tokens y admite salidas de hasta 32 768 tokens por solicitud. Ofrece un rendimiento excepcional en tareas de codificación, logrando un 54,6 % en el benchmark SWE-Bench Verified, y muestra una mejora del 10,5 % respecto a GPT-4o en MultiChallenge para el seguimiento de instrucciones. El corte de conocimiento del modelo está establecido en junio de 2024. El precio es de 2,00 $ por millón de tokens para entrada y 8,00 $ por millón de tokens para salida, con un descuento del 75 % aplicado a entradas en caché, lo que lo hace muy rentable para consultas repetidas.
Sitio Web Página Web del Modelo de IA | |
Proveedor La entidad que proporciona este modelo. | |
Chat Ingresa un mensaje para comenzar a chatear | |
Fecha de Lanzamiento Cuándo se lanzó el modelo por primera vez. | 1 año ago Abr 14, 2025 |
Modalidades Tipos de datos que este modelo puede procesar | texto imágenes |
Proveedores de API Los proveedores que ofrecen este modelo. (Esta no es una lista exhaustiva). | OpenAI API |
Fecha de Corte de Conocimiento Cuándo se actualizó por última vez el conocimiento del modelo. | - |
Código Abierto Si el código del modelo está disponible para uso público. | No |
Costo de Entrada Costo por procesar tokens en tus solicitudes | $2.00 por millón de tokens |
Costo de Salida Costo por tokens generados por el modelo | $8.00 por millón de tokens |
MMLU Evaluación de Comprensión Multitarea Masiva - Pruebas de conocimiento en 57 disciplinas, incluyendo matemáticas, historia, derecho y más. | 90.2% pass@1 Fuente |
MMLU-Pro Un criterio MMLU más avanzado con preguntas más difíciles enfocadas en el razonamiento, un mayor conjunto de opciones y menor sensibilidad a los prompts. | - |
MMMU Evaluación de Comprensión Multitarea Multimodal - Pruebas de comprensión en texto, imágenes, audio y video. | 74.8% Fuente |
HellaSwag Un exigente criterio de evaluación para completar oraciones. | - |
HumanEval Evalúa la generación de código y habilidades de resolución de problemas. | - |
MATH Pruebas de resolución de problemas matemáticos en distintos niveles de dificultad. | - |
GPQA Evalúa conocimientos a nivel de doctorado en química, biología y física mediante preguntas de opción múltiple que requieren una comprensión profunda del dominio. | 66.3% Diamond Fuente |
IFEval Evalúa la capacidad del modelo para seguir instrucciones de formato explícitas, generar respuestas adecuadas y mantener la coherencia en diversas tareas. | - |
SimpleQA Evaluación de la precisión de preguntas simples | - |
AIME 2024 | 48.1% Fuente |
AIME 2025 | - |
Aider Polyglot Benchmark de programación multilingüe. | - |
LiveCodeBench v5 Benchmark para programación en tiempo real | - |
Global MMLU (Lite) Una versión simplificada del benchmark para evaluar la universalidad de los modelos a nivel global. | 87.3% pass@1 Fuente |
MathVista Evalúa las habilidades de razonamiento matemático de los modelos de IA dentro de contextos visuales | - |
Aplicación Móvil |
Compare AI. Test. Benchmarks. Chatbots Móviles, Sketch
Copyright © 2026 All Right Reserved.