GPT-4.1全网实测来袭，惨遭谷歌Gemini碾压！大佬猜测：从GPT-4.5蒸馏的

新智元报道

编辑：编辑部 ZYH

【新智元导读】两个月后就号称要淘汰GPT-4.5的GPT-4.1，实力究竟如何？在众多实测中，它的表现的确可圈可点，但却依然打不过Gemini 2.5 Pro和Claude 3.7 Sonnet。那么问题来了，OpenAI为何要发布一个远远落后于谷歌的模型？

不过两月，GPT-4.5正式出局，前浪把后浪拍在了沙滩上。

GPT-4.1家族的出世，以更强编码性能，百万token上下文，更具性价比的价格，直接击穿了4.5。

nano版的GPT-4.1性能足以媲美GPT-4o mini，而且速度更快，价格更便宜。

这些模型目前仅在API中提供，不过目前爆火编码平台Windsurf、Cursor开启了福利大放送，七天免费体验GPT-4.1。

这不，全网首波实测已经来了。

GPT-4.1编码惊艳，却打不过Gemini 2.5

这款以超强编码著称的模型，在实际任务表现中又如何呢？

OpenAI科学家表示，GPT-4.1是不是推理模型，却可以在软件工程基准测试中拿下55%高分

网友Flavio Adamo用同一个提示——让小球在旋转的六边形中模拟自由落体，测试了GPT-4.1三款模型和GPT-4.5的编码表现。

不难看出，GPT-4.1精准模拟了小球物理运动过程，GPT-4.1-mini/GPT-4.1-nano却差了很多意思。

GPT-4.5的实力几乎不输GPT-4.1。

另一个类似的测试中，让GPT-4.1挑战旋转正方形，模拟出球体在正方形内真实弹跳的效果。

Kaggle开发者Parul Pandey表示，用GPT-4.1创建用于教育物理模拟的过程非常有趣。

如下，用小球击倒金字塔代码生成过程中，模型读取很少的不必要的文件，代码结构也非常简洁。

另一位工程师通过Windsurf让GPT-4.1在30秒内，便生成了一个贪吃蛇的游戏。

微软研究员Dimitris Papailiopoulos分别用GPT-4.1、GPT-4o、GPT-4.5去画独角兽，推测出4.1要比4o参数量小。

有一说一，GPT-4.1生成的独角兽是当中最丑的那个。

沃顿商学院教授Ethan Mollick用GPT-4.1去生成飞船控制面板的p5js。他表示，相较于GPT-4，4.1进步非常大，整体上表现出色。

而且，Ethan表示GPT-4.1是第四款可以在twigl中首次运行着色器的模型。

网友让GPT-4.1和Gemini 2.5 Pro去模拟一个霓虹灯照亮的赛博朋克城市夜景，4.1模型在这个案例中还是比谷歌模型强不少。

以上demo中，不难看出GPT-4.1的编码性能确实非常惊艳，但从宏观来看，仍不如Gemini 2.5 Pro、Claude 3.7 Sonnet。

Aider多语言编码最新测试中，GPT-4.1得分为52.4%，接近Grok 3和DeepSeek V3。成本相较于o3-mini也降了一半。

网友对此吐槽到，GPT-4.1编程不如DeepSeek V3，但价格却贵了8倍。

同样，在最新Livebench基准评估中，也同样印证了GPT-4.1推理、编码、数学实力比Gemini 2.5差。

Abacus.AI创始人Bindu Reddy表示，4.1性能在GPT-4o之上，但Livebench结果表明，新模型只是对4o的一个增量更新。

哈佛科学家Pierre Bongrand更是一针见血地指出，OpenAI首次在谷歌之后发布了一个远远落后的模型。

在GPQA Diamond知识问答基准测试中，GPT-4.1系家族未达到人类博士级水平，更别提超越Gemini 2.5 Pro了。

网友一张恶搞图戏称，在OpenAI发布GPT-4和GPT-4.1期间，谷歌便将Bard进化到最强Gemini 2.5版本。

今年的AI大战中，显然是OpenAI与谷歌硬碰硬的终极较量。

谷歌包围圈已成，OpenAI依然不可小觑

随着GPT-4.1的发布，Ai2后训练负责人Nathan Lambert也在第一时间发了一篇分析文章。

他表示，虽然GPT-4.1是一个小版本的更新，但这让人们更清楚地认识到，驱动着最佳API业务的，是非常不同的模型。

如今，OpenAI正在用GPT-4.1，将API和ChatGPT分离。

它的模型正在优化每一美元的智能，我们以后还将继续看到，ChatGPT的处理方式和API业务的不同。

最近，OpenAI 一直在进行各种小幅更新，而他们最终的愿景，就是将ChatGPT打造成一个独立于其API的单体应用。

上周，ChatGPT的记忆功能得到了改进。

今天，OpenAI又宣布了一套仅限API的模型GPT-4.1，直接跟谷歌的Gemini形成了竞争。

单独来看，其实最近的发布都没有什么颠覆性的前沿突破，毕竟性能相当的模型，已经存在了。

不过，从这些更新中，却可以看出OpenAI的战略重心走向。

如今，它的周活跃用户已经破了19亿，此时，它需要的是ChatGPT及背后模型，与市场上任何其他AI产品都截然不同。

其他产品的中心，主要都是编码或信息处理，与它们不同，ChatGPT则格外注重个性、氛围感和娱乐性。

体现这一点的一个经典例子，就是GPT-4.5连同它的高昂定价一起，正从API中被弃用，不过仍会保留在ChatGPT中。

即将发布的o3、o4或开放模型，目前还让人看不清OpenAI的宏观战略方向。

从下图可以看出，OpenAI传递的核心信息很简单——提供性能更好、推理速度更快的模型。

以下是新的OpenAI模型与谷歌Gemini每百万Token的价格对比（单位为美元）。

OpenAI新模型:

• GPT-4.1：输入/输出：2.00/8.00 | 缓存输入：0.50

• GPT-4.1 Mini：输入/输出：0.40/1.60 | 缓存输入：0.10

• GPT-4.1 Nano：输入/输出：0.10/0.40 | 缓存输入：0.025

OpenAI旧模型:

• GPT-4o：输入/输出：2.5/10.00 | 缓存输入：$1.25

• GPT-4o Mini：输入/输出：0.15/0.60 | 缓存输入：$0.075

谷歌Gemini:

• Gemini 2.5 Pro （≤200K Tokens）：输入/输出：1.25/10.00 | 缓存：不可用

• Gemini 2.5 Pro （>200K Tokens）：输入/输出：2.50/15.00 | 缓存：不可用

• Gemini 2.0 Flash：输入/输出：0.10/0.40 | 缓存输入：0.025（文本/图像/视频），0.175 （音频）

• Gemini 2.0 Flash-Lite：输入/输出：0.075/0.30 | 缓存：不可用

虽然OpenAI的模型学术评估结果表现强劲，但这并未完全反映它们的实际情况。毕竟在实践中，它们需要执行的是重复性的小众任务。

显然，这些新模型是用来直接对标Gemini Flash和Flash-Lite的（在 Gemini 2.5 Pro惊艳发布之后，备受期待的Gemini 2.5 Flash也即将面世）。

相比之下，GPT-4o-mini的性能已经落后，且不如Flash好用。

想在API业务上取得成功，OpenAI就需要在Gemini已经占据优势的这个前沿领域实现突破。

都是从GPT-4.5蒸馏来的？

很多人已经发现了：在OpenAI的官方宣传中，这些新模型的发布模式如出一辙——有广泛改进，却很少解释具体原因。

所以几乎可以肯定，这些五花八门的新模型，都是为了获得更好的个性和推理能力，从GPT-4.5蒸馏而来的。

或者是在编码和数学上，借鉴了像o3这样的模型。

可以看出，新模型在代码上已经取得了重大进步，要知道，曾经OpenAI早期的模型在这方面曾经差得离谱，几乎挂0。

不过，在编码和数学的评估上，这些新模型仍然明显落后于Gemini 2.5（推理模型）或 Claude 3.7（可选推理模型）这样的顶尖模型。

如今，我们正处于模型向包含推理转变的早期阶段，但究竟什么是单一的最佳模型，这个概念已经变得更为复杂了。

这些推理模型会通过消耗远多于以往的Token，来实现性能的大幅提升。性能固然是王道，但若性能相当，则是成本更低者胜出。

但先发优势仍难以撼动

但说到底，对大多数普通用户来说，上面这些技术细节其实意义不大。

对他们来说，那个被戏称为「模型投入度」的、令人头疼的滑块反而更直观——

长期以来，相对于API的价格，很多人对聊天机器人的订阅费会更感到犹豫。

但显然，一个日渐清晰的现实就是，真正个性化的、受用户喜爱的体验，往往只存在于这些集成的应用程序中。

当然，开发者也可以通过API构建竞品，积累用户交互数据，但鉴于 OpenAI在产品层面已经建立起了巨大的先发优势，想要胜过OpenAI，恐怕没那么容易。

所有这些，都再次印证了我们的认知：产品化，是当前AI发展的重中之重。

记忆功能，以及将ChatGPT这条产品线与API服务进行更清晰的切割，都有助于OpenAI铺平未来的发展道路。

但要完全实现这一愿景，OpenAI前方仍有很长的路要走。

参考资料：

https://x.com/bindureddy/status/1911865521504747563

https://x.com/paulgauthier/status/1911927464844304591

https://x.com/flavioAd/status/1911848067470598608