GPT-4.1由OpenAI于2025年4月14日推出，提供100万令牌的上下文窗口，每个请求最多支持输出32,768个令牌。在编码任务中表现卓越，SWE-Bench Verified基准测试达到54.6%，在MultiChallenge指令遵循方面比GPT-4o提高10.5%。模型知识截止日期为2024年6月。输入每百万令牌2.00美元，输出每百万令牌8.00美元，缓存输入可享75%折扣，对于重复查询极具成本效益。
网站 AI模型网页 | |
提供商 提供该模型的实体机构 | |
聊天 输入消息开始聊天 | |
发布日期 模型首次发布时间 | 1 年 ago 4月 14, 2025 |
模态 模型可处理的数据类型 | 文本 图像 |
API提供商 提供此模型的供应商（非完整列表） | OpenAI API |
知识截止日期 模型知识最后更新时间 | - |
开源 模型代码是否公开可用 | 否 |
输入定价 处理提示词中token的成本 | $2.00 每百万token |
输出定价 模型生成token的成本 | $8.00 每百万token |
MMLU 多任务语言理解测试 - 评估数学、历史、法律等57个学科的知识掌握 | 90.2% pass@1 来源 |
MMLU-Pro 增强版MMLU基准测试，包含更难的推理题、更多选项集并降低提示敏感性 | - |
MMMU 多任务多模态理解测试 - 评估文本、图像、音频和视频的综合理解能力 | 74.8% 来源 |
HellaSwag 高难度句子补全基准测试 | - |
HumanEval 评估代码生成和问题解决能力 | - |
MATH 测试不同难度级别的数学问题解决能力 | - |
GPQA 通过需要深度专业知识的选择题测试化学、生物和物理领域的博士水平知识 | 66.3% Diamond 来源 |
IFEval 测试模型准确遵循格式指令、生成适当输出并在不同任务中保持指令一致性的能力 | - |
SimpleQA 评估简单问题的准确性 | - |
AIME 2024 | 48.1% 来源 |
AIME 2025 | - |
Aider Polyglot 多语言编程基准。 | - |
LiveCodeBench v5 实时编程基准测试 | - |
Global MMLU (Lite) 用于评估模型在全球层面通用性的简化基准测试。 | 87.3% pass@1 来源 |
MathVista 评估人工智能模型在视觉环境中的数学推理能力 | - |
移动应用 |