OpenAI 再度投下震撼彈，於2025年4月14日正式推出新一代 AI 模型家族：GPT-4.1、GPT-4.1 Mini 及 GPT-4.1 Nano。此次發布的關鍵在於這三款模型目前僅透過應用程式介面 ( API ) 提供，明確鎖定開發者社群與企業客戶。
OpenAI 宣稱，新模型家族在效能上「全面超越」其先前最先進的 GPT-4o 模型，特別在程式編碼、指令遵循以及長文本理解能力方面取得了重大進展。其中最引人注目的升級是支援高達100萬 token 的上下文處理能力，並將知識庫更新至 2024年6月。
此次發布更突顯了 OpenAI 在激烈市場競爭下的策略轉變：不僅追求頂尖效能，更著重於提升成本效益與降低延遲。為此 OpenAI 宣布將於2025年7月14日停止 GPT-4.5 Preview API 的服務，理由是 GPT-4.1 在許多關鍵功能上提供了更好或相似的效能，且成本與延遲顯著降低。同時舊版的 GPT-4 模型也將於 2025年4月30日從 ChatGPT 介面中移除。這一系列行動發生在與 Google ( Gemini ) 和 Anthropic ( Claude ) 等對手的競爭日益白熱化之際，顯示 OpenAI 正積極鞏固其在 AI 平台市場的領導地位。
更快、更強、更划算
OpenAI 此次並非推出單一模型，而是精心打造了一個包含三種不同規模的 API 專用模型家族，旨在滿足不同開發場景的需求。
- GPT-4.1： 作為新的旗艦模型，GPT-4.1 被定位於處理最複雜的任務，提供家族中最高的推理能力與準確性，但相應地，其使用成本也最高。
- GPT-4.1 Mini： 此模型在智慧、速度與成本之間取得了優異的平衡。OpenAI 指出，它在許多基準測試中甚至超越了 GPT-4o，同時延遲降低近一半，成本更是減少了83%。對於尋求高效能與經濟性兼具的開發者而言，Mini 版本無疑是個極具吸引力的選擇。
- GPT-4.1 Nano： 這是 OpenAI 迄今為止速度最快、成本最低的模型，專為需要極低延遲的應用而設計，例如即時分類或自動完成。儘管體積小巧，Nano 仍具備處理 100 萬 token 上下文的能力，並在 MMLU 等基準測試中取得了超越 GPT-4o Mini 的驚人分數 (80.1%)。
OpenAI 強調 GPT-4.1 家族在「延遲曲線的每個點上都推動了效能的提升」，並以「更低的成本提供卓越的效能」。例如 GPT-4.1 的 API 使用成本比 GPT-4o 降低了26%。這種對成本效益的關注，對於需要管理預算並大規模部署 AI 的企業 API 用戶來說極具幫助。
值得注意的是這些標示為「4.1」的模型目前僅能透過 API 存取，雖然 OpenAI 表示許多在指令遵循、編碼和智能方面的改進已逐步整合到 ChatGPT 使用的最新版 GPT-4o 中，但 GPT-4.1 家族獨特的全部功能，特別是 100 萬 token 的超長上下文處理能力，是專為開發者和企業打造的。
編碼、指令遵循與長文本處理能力躍進
GPT-4.1 家族的推出，不僅是型號的增加，更代表著核心能力的顯著躍升，尤其在以下三個關鍵領域：
編碼能力
OpenAI 明顯將編碼能力的提升作為此次發布的重點。在衡量真實世界軟體工程技能的 SWE-bench Verified 基準測試中，GPT-4.1 取得了54.6%的分數，相較於 GPT-4o 的33.2%和 GPT-4.5 的分數，實現了超過21%的絕對提升。部分資料甚至顯示其得分達到 55%。在衡量跨語言編碼和程式碼變更能力的 Aider polyglot diff 基準測試中，GPT-4.1 的得分更是 GPT-4o 的兩倍以上，甚至比 GPT-4.5 高出8%。
除了亮眼的基準測試數據，更重要的是實際應用中的改進。在前端網頁應用程式生成方面，付費的人類評分員有 80% 的時間更偏好 GPT-4.1 生成的網站。開發者可以期待更可靠的程式碼差異(diff )格式遵循能力，這有助於僅輸出更改的行，從而節省成本和延遲。此外，模型進行多餘編輯的情況也大幅減少（從 GPT-4o 的 9% 降至 2%），並且能更好地探索程式碼庫、完成任務，以及生成可運行並通過測試的程式碼。
指令遵循
讓 AI 精確理解並執行複雜指令一直是個挑戰。GPT-4.1 在這方面也取得了顯著進步。在 Scale AI 的 MultiChallenge 基準測試中，得分達到 38.3%，比 GPT-4o 提高了10.5%。在 IFEval 測試中，得分為87.4%，高於 GPT-4o 的81.0%。OpenAI 內部的困難指令遵循評估也顯示準確率從 29% 躍升至 49%。
這意味著 GPT-4.1 更擅長處理包含多個或複雜請求的提示，能更好地遵循指定的輸出格式、否定性約束（例如「不要做什麼」），並在多輪對話中保持連貫性 。
長文本理解
GPT-4.1 家族最令人矚目的突破之一是其處理上下文長度的能力。所有三款模型(包括 Mini 和 Nano)均支援高達 100 萬 token 的輸入上下文窗口，遠超 GPT-4o 的 128,000 token。
OpenAI 表示新模型經過訓練，能夠可靠地關注整個 100 萬 token 長度內的資訊。多項基準測試證實了這一點：在用於多模態長上下文理解的 Video-MME 基準測試中，GPT-4.1 在長影片、無字幕類別中得分72.0%，比 GPT-4o 提高了 6.7%，創下新的技術水平。在需要模型在長文本中區分多條資訊的 OpenAI-MRCR 評估中，GPT-4.1 在 128K token 長度內優于 GPT-4o，並在100萬 token 時仍保持強勁表現。在衡量多跳長上下文推理能力的 Graphwalks 數據集上，GPT-4.1 準確率達到 61.7%，與專注推理的 o1 模型持平，遠超 GPT-4o 的 42%。這種超長的上下文處理能力為企業應用開啟了新的可能性，例如分析完整的程式碼庫、處理冗長的法律或財務文件、或對長影片進行深入問答 。
此外 GPT-4.1 家族的知識庫也更新至 2024 年 6 月，確保了資訊的時效性。
OpenAI 的策略性佈局
GPT-4.1 的發布伴隨著 OpenAI 對其產品線的重大調整。宣布將於2025 年7月14日停止提供 GPT-4.5 Preview API，並於2025年4月30日將 GPT-4 從 ChatGPT 介面中移除。OpenAI 解釋這樣做是因為 GPT-4.1 在成本和延遲方面更具優勢，同時在許多關鍵能力上達到甚至超越了 GPT-4.5。這一舉措簡化產品組合，將開發者的注意力引導至更具成本效益且功能更強大的 4.1 系列。
在激烈的市場競爭中，GPT-4.1 的表現如何？雖然它相較於 OpenAI 自身的舊模型有顯著提升，但在與頂尖對手的較量中，呈現出複雜的局面：
- 編碼能力： 儘管 GPT-4.1 在 SWE-Bench 上的得分(54.6%/55%)大幅領先其前代，但仍落後於 Google 的 Gemini 2.5 Pro (63.8%)和 Anthropic 的 Claude 3.7 Sonnet (62-63%/70%)。部分基準測試甚至顯示其落後於開源模型 DeepSeek V3 。然而，在 Qodo 進行的更貼近實際應用的代碼審查建議測試中，GPT-4.1 的表現優於 Claude 3.7 Sonnet 。
- 長上下文： GPT-4.1 提供的 100 萬 token 上下文窗口跟上了 Google Gemini 200萬 token 的腳步。Anthropic 的 Claude 目前提供 200k token 。
- 推理與通用能力： GPT-4.1 在 MMLU 基準測試中取得領先 (90.2%)，但在針對高難度問題的 GPQA Diamond 測試中落後於 Gemini 2.5。在其他綜合性基準測試如 LiveBench 上，GPT-4.1 表現具有競爭力，但並非在所有方面都領先於 Claude 3.7 Sonnet 或 DeepSeek V3 。
- 定價策略： GPT-4.1 家族的定價策略極具競爭力。旗艦 GPT-4.1 的輸入/輸出價格為美元$2/$8(每百萬 token)，Mini 為$0.4/$1.6， Nano 則低至$0.1/$0.4。這使得 GPT-4.1 Nano 的價格與 Google 的 Gemini 2.0 Flash 完全相同，而 Mini 和 Standard 版本的價格也普遍低於 Anthropic 的 Claude 3.7 Sonnet($3/$15)和 Google 的 Gemini 2.5 Pro (根據上下文長度，價格為$1.25/$10 或 $2.5/$15)。
此次發布被視為 OpenAI 迭代策略中的一個「增量但重要的增強」步驟，可能是在為未來的 GPT-5 或更先進的推理模型鋪路。其核心目標似乎是在能力、成本和可靠性之間尋求最佳平衡點，以維持市場領導地位並推動更廣泛的採用。
GPT-4.5 的快速棄用，儘管其曾被譽為「最大、最好的聊天模型」，暗示 OpenAI 可能正在優先考慮其主流 API 產品的成本效益和可擴展性。這或許意味著，最耗費資源的架構將被保留給專門的推理模型(如 o1/o3 系列)或未來的重大突破，而非廣泛部署於通用 API 中。
合作夥伴整合
OpenAI 對 GPT-4.1 的發布充滿信心。執行長 Sam Altman 表示：「基準測試很強勁，但我們專注於真實世界的效用，開發者似乎非常滿意」。產品長 Kevin Weil 也強調了新模型在編碼、複雜指令遵循和構建代理方面的卓越能力。
此次發布的一個顯著特點是與主要技術平台的緊密整合：
- Microsoft Azure: 作為 OpenAI 的主要合作夥伴，微軟同步宣布 GPT-4.1 系列模型已登陸 Azure OpenAI Service 和 Azure AI Foundry 。微軟強調了這些模型對 Azure 開發者的價值，特別是在提升編碼效率、處理長文本和驅動代理工作流程方面。更重要的是，微軟預告將很快透過 Azure AI Foundry 為 GPT-4.1 和 4.1-mini 提供監督式微調( fine-tuning )支持，使企業能根據自身數據進一步客製化模型。
- GitHub: 同樣隸屬於微軟的 GitHub，也將 GPT-4.1 作為公共預覽版整合進 GitHub Copilot 和 GitHub Models 平台。開發者可以在 VS Code 或 github.com 的 Copilot Chat 中直接選用 GPT-4.1( Preview )，或在 GitHub Models 的 playground 中進行實驗。對於 Copilot 企業版用戶，管理員需要透過新的策略設定來啟用 GPT-4.1 的存取權限。
成本效益
GPT-4.1 家族的推出，特別是其優化的成本結構和增強的功能，為企業採用 AI 提供了新的契機。新模型的定價策略極具吸引力。以下比較 GPT-4.1 家族與其前代及主要競爭對手的關鍵指標（價格單位均為美元/每百萬 token）：
| 模型名稱 | 輸入價格 | 輸出價格 | 快取輸入價格 | 最大上下文窗口 | 最大輸出 Token | 知識截止日期 |
| GPT-4.1 | $2.00 | $8.00 | $0.50 | 1,047,576 | 32,768 | 2024 年 5 月 |
| GPT-4.1 Mini | $0.40 | $1.60 | $0.10 | 1,047,576 | 32,768 | 2024 年 5 月 |
| GPT-4.1 Nano | $0.10 | $0.40 | $0.025 | 1,047,576 | 32,768 | 2024 年 5 月 |
| GPT-4o | $2.50 | $10.00 | $1.25 | 128,000 | 4,096～8,192 | 2023 年 10 月 |
| GPT-4.5 Preview | $75.00 | $150.00 | $37.50 | ~128,000 (?) | 4,096～8,192 | 2024 年 12 月 |
| Claude 3.7 Sonnet | $3.00 | $15.00 | N/A | 200,000 | 128,000 | 2024 年 4 月 |
| Gemini 2.5 Pro | $1.25/$2.50¹ | $10.00/$15.00¹ | N/A | 2,000,000 | 65,536 | 2025 年 1 月 |
| Gemini 2.0 Flash | $0.10 | $0.40 | $0.025 | 1,000,000 | 8,192 | 2024 年 6 月 |
微調 (Fine-tuning) 成本： OpenAI 也為新的 GPT-4.1 和 4.1-mini 提供了微調選項，其定價相對合理（例如，4.1 Mini 的訓練成本為 $5/百萬 token，使用成本為 $0.8/$0.2/$3.2)。微調允許企業使用自有數據客製化模型，以適應特定的業務術語、語氣和工作流程，從而獲得更高的效能。在 Azure AI Foundry 等平台上提供此功能，進一步降低了企業打造專屬 AI 解決方案的門檻。
來更長遠的價值。
結語
OpenAI GPT-4.1 家族的發布是其鞏固 AI 平台市場主導地位的關鍵一步，特別是在利潤豐厚的開發者和企業市場。透過提供顯著提升的編碼和指令遵循能力、100萬 token 上下文處理能力，以及極具競爭力的分層定價結構，OpenAI 正試圖在性能、功能和成本效益之間建立新的行業標竿。與 Microsoft Azure 和 GitHub 等主要平台的深度整合，以及為企業提供的微調選項，進一步強化了其在企業級應用中的吸引力。儘管在某些基準測試上仍面臨來自 Google 和 Anthropic 的激烈競爭，但 GPT-4.1 的整體改進，特別是對「真實世界效用」的關注，使其成為推動下一波 AI 應用和企業數位轉型的重要力量。