OpenAI发布GPT-4.1百万上下文性能大幅提升

OpenAI最新推出的GPT-4.1系列模型，在性能方面实现了显著跃升，最引人瞩目的亮点在于支持高达100万token的超长上下文窗口。这一突破性特性，对于金融分析、小说创作、教育等领域而言，无疑开启了全新的应用可能。

就在今天凌晨，OpenAI通过技术直播正式发布了GPT-4.1，同时亮相的还有GPT-4.1 Mini与GPT-4.1 Nano。这三款模型在视觉理解、代码生成、指令遵循以及成本控制方面均实现了大幅突破。尤其是百万级token的上下文长度，对需要处理超长文档的行业来说，堪称雪中送炭。

值得注意的是，由于GPT-4.1的推出，OpenAI宣布将淘汰刚刚上线不久的GPT-4.5。这从侧面表明，新模型的综合能力已经足以撑起局面。

目前，即便没有API权限，用户也可以通过微软Azure OpenAI平台直接调用GPT-4.1，体验门槛并不高。

GPT-4.1核心看点

百万级token上下文是GPT-4.1最吸引眼球的标签，也是OpenAI首次推出长上下文窗口模型。相比之下，前代GPT-4o的上下文窗口只有其八分之一。在实际测试中，OpenAI在Long Context Evals上验证了长文本检索能力，结果显示，无论信息位于文档的开头、中间还是末尾，GPT-4.1系列均能在100万token的语料中精准定位目标文本，准确率相当稳定。

另一项测试是Multi-Round Coreference：通过模拟多轮对话，要求模型在复杂交互中回忆并整合信息——例如先写一首诗，再写另一首诗，随后要求生成关于第三个主题的短故事，最后让模型找出“第二个主题的诗”。在这种场景下，GPT-4.1处理128K token数据时的表现远超GPT-4o，即便在100万token的极限长度下，性能衰减也控制得相当出色。

在代码能力方面，SWE-bench测试让模型在Python代码库中自主探索、编写代码并运行测试。GPT-4.1的准确率达到55%，而GPT-4o仅为33%。多语言编码测试（Ader polyglot）中，性能差异更是翻了一倍——处理多种编程语言、代码优化及版本管理时，效率明显更高。

指令遵循能力的提升同样值得关注。OpenAI构建了模拟API开发者场景的内部测试集，并按难度分级。在困难子集上，GPT-4.1大幅领先GPT-4o，这表明面对复杂、多层次的指令时，新模型的理解与执行都更加可靠。

多模态方面，视频MME基准测试要求模型理解30到60分钟的无字幕视频并回答多项选择题。GPT-4.1拿下了72%的正确率，达到当前最佳水平，意味着视频内容理解已经跨越了一个关键门槛。

价格方面，GPT-4.1相比GPT-4o降低了26%的成本，而最小的Nano模型每百万token仅需12美分。在性能提升的同时价格更加友好，这本身就是一种难得的平衡。

实际应用案例：不止是纸上谈兵

汤森路透，全球领先的金融与法律信息提供商，其专业AI助手CoCounsel直接受益于GPT-4.1。在多文档审查的内部基准测试中，新模型的准确性比GPT-4o提升了17%。对于法律专业人士而言，这意味着能够更可靠地识别跨文档的冲突条款、补充上下文以及细微关系——而这正是法律分析中最耗时也最关键的环节。

全球私募巨头Carlyle则在金融数据分析中尝到了甜头。他们利用GPT-4.1从大量长文档（PDF、Excel、复杂格式）中提取颗粒化金融数据，内部评估显示其检索能力比其他可用模型高出50%。关键突破在于克服了“中间位置丢失信息”和“跨文档多跳推理”等常见瓶颈，分析师终于能够从海量资料中快速获取真正有用的数据。

开发工具公司Windsurf则在编码场景中验证了GPT-4.1的效率。内部编码基准测试中，新模型得分比GPT-4o高出60%；工具调用效率提升了30%，同时重复编辑或过度细化步骤的概率降低了约50%。换句话说，新模型更加“干脆”，知道何时该停止，不会在无关紧要的细节上反复折腾。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：OpenAI发布GPT-4.1百万上下文性能大幅提升要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题