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。
Meta推出的Llama 3.3 70B Instruct是多语言大模型，专为指令任务微调并优化对话应用。支持128,000 token上下文窗口，可处理生成多语言文本。2024年12月6日发布，在多项行业基准测试中超越众多开源和商业聊天模型。采用分组查询注意力(GQA)提升扩展性，基于超过15万亿token的公开数据训练，知识截止至2023年12月。
| GPT-4.1 | Llama 3.3 70B Instruct | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 | 文本 |
API提供商
| OpenAI API | Fireworks, Together, DeepInfra, Hyperbolic |
知识截止日期
| - | 12.2024 |
开源
| 否 | 是 |
输入定价
| $2.00 每百万token | $0.23 每百万token |
输出定价
| $8.00 每百万token | $0.40 每百万token |
MMLU
| 90.2% pass@1 来源 | 86% 0-shot, CoT 来源 |
MMLU-Pro
| - | 68.9% 5-shot, CoT 来源 |
MMMU
| 74.8% 来源 | 不可用 |
HellaSwag
| - | 不可用 |
HumanEval
| - | 88.4% pass@1 来源 |
MATH
| - | 77% 0-shot, CoT 来源 |
GPQA
| 66.3% Diamond 来源 | 50.5% 0-shot, CoT 来源 |
IFEval
| - | 92.1% 来源 |
SimpleQA
| - | - |
AIME 2024 | 48.1% 来源 | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| 87.3% pass@1 来源 | - |
MathVista
| - | - |
移动应用 | - |