OpenAI 把 GPT-4.1 的上下文做到 100 万 token，GPT-4.5 将于 7 月退役
OpenAI 在 4 月 14 日发布 GPT-4.1，最初只通过 API 提供。一个月后的 5 月 14 日，它进入 ChatGPT 应用：Plus、Pro、Team 订阅者可以在模型菜单里手动选择，免费用户无法手动选，但默认回退模型从 GPT-4o Mini 换成了 GPT-4.1 Mini。这个系列共三档，标准版、Mini、Nano，上下文窗口均为 100 万 token，此前 GPT-4o 的上限是 12.8 万 token，相差八倍以上。OpenAI 的说法是三款在编码、指令遵循和长上下文理解上都有提升，同时比前代更便宜、更快。
基准测试的几组数字
在衡量真实软件工程任务的 SWE-bench Verified 上，GPT-4.1 完成 54.6%，GPT-4o（2024-11-20 版本）是 33.2%。视频理解方面，OpenAI 用 Video-MME 测「长篇无字幕」类别，GPT-4.1 准确率 72%，GPT-4o 为 65.3%。指令遵循的改进体现在能处理带顺序步骤、格式约束和否定条件的复杂提示，官方给出的实际收益是提示设计和输出清理的时间都变少。
一个反直觉的结果是，GPT-4.1 Mini 在 MathVista 上拿到 73.1%，略高于完整版，这让它在需要速度又带视觉输入的场景里有竞争力。不过麻省理工科技评论的判断是，纸面成绩比自家前辈强，与谷歌、Anthropic 的旗舰模型相比仍有差距。
长上下文的可靠性代价
OpenAI 自己承认，GPT-4.1 处理的输入 token 越多，可靠性越低，越容易出错。在 OpenAI-MRCR 测试中，token 数量从 8000 增长到 100 万，准确率从约 84% 下降到不足 50%。官方还提到这个模型比 GPT-4o 更「直接」，有时需要更具体、更明确的提示才能得到预期结果。100 万 token 大约相当于 75 万个单词，能一次性塞进完整日志、代码仓库或多份法律文档，但把窗口填满和把窗口用好是两件事。
4.5 的退场时间表
GPT-4.5 今年 2 月才发布，定位是研究预览，推理和写作质量强但开销大，API 定价为每百万输入 token 75 美元、每百万输出 150 美元。OpenAI 计划在 7 月 14 日之后停止通过 API 提供该模型，开发者需要迁移，首选替代方案就是 GPT-4.1。通过 ChatGPT 使用 GPT-4.5 暂不受影响。官方给出的理由是 4.1 在关键基准上达到相当或更好的结果，价格更低、响应更快，退役 4.5 可以释放更多 GPU 资源。
7 月 14 日之后，这批开发者会第一次大规模把百万级上下文的模型放进生产流程，实际表现比基准分数更值得看。
来源