OpenAI 最近发布了 GPT-4.1 系列，包括 GPT-4.1、GPT-4.1-mini 和 GPT-4.1-nano，分别针对高智能、平衡和低延迟任务。GPT-4.1 支持 100 万 token 的上下文窗口，特别适合处理复杂任务。
GPT-4.1 在 Multilingual MMLU 智能测试中得分最高，但延迟也最高；GPT-4.1-nano 则在低延迟任务中表现最佳，适合如分类和自动补全的应用。
老实说，我真的不喜欢 OpenAI 官方发的这个比较图：完全没有坐标刻度，可以说是几乎完全没有参考价值。
OpenAI-MRCR 基准测试显示，GPT-4.1 在长上下文任务中表现强劲，特别是在处理 100 万 token （约 75 万字）时保持高准确率，显著提升了信息处理能力。
在 SWE-Bench 验证准确率中，GPT-4.1 达到 55%，远超 GPT-4o (33%) 和 OpenAI o1 (高) (41%)。
它还能生成多种编程语言的高质量代码，在 Aider 的多语言测试中达到 52% 准确率。
在 Video-MME 测试中，GPT-4.1 得分 72%，优于 GPT-4o (65%)，显示其在视频理解方面的领先。
在其他多模态基准测试中 GPT-4.1 极具竞争力（75%），GPT-4.1 mini 在多模态推理和智能方面也表现出色（73%）。
GPT-4.1 mini 是多模态推理任务的推荐模型。
（文：PyTorch研习社）
