近期，科技領(lǐng)域迎來(lái)了一波新的模型發(fā)布高潮，其中OpenAI推出的GPT-4.1系列模型尤為引人注目。據(jù)bleepingcomputer報(bào)道，這一最新版本相較于其前身GPT-4o，在性能上實(shí)現(xiàn)了顯著飛躍。

OpenAI于4月15日正式揭曉了GPT-4.1、GPT-4.1 mini及GPT-4.1 nano三款新模型。從官方公布的跑分?jǐn)?shù)據(jù)來(lái)看，這些新模型在編程能力上有了質(zhì)的飛躍，遠(yuǎn)遠(yuǎn)超越了GPT-4o及其小型版本GPT-4o mini。以SWE-bench Verified跑分為例，GPT-4o僅獲得了21.4%的分?jǐn)?shù)，而GPT-4.1則一舉躍升至54.6%，展現(xiàn)出了強(qiáng)大的編程實(shí)力。

然而，盡管GPT-4.1系列模型在性能上取得了顯著提升，但在與谷歌Gemini系列的對(duì)比中，卻并未能占據(jù)上風(fēng)。根據(jù)Stagehand發(fā)布的基準(zhǔn)數(shù)據(jù)，Gemini 2.0 Flash在錯(cuò)誤率和精確匹配率上均表現(xiàn)優(yōu)異，錯(cuò)誤率僅為6.67%，精確匹配率高達(dá)90%，且價(jià)格更為親民，速度更快。相比之下，GPT-4.1的錯(cuò)誤率則高達(dá)16.67%，成本更是Gemini 2.0 Flash的十倍以上。

來(lái)自哈佛大學(xué)的RNA科學(xué)家Pierre Bongrand也提供了相關(guān)數(shù)據(jù)，進(jìn)一步印證了GPT-4.1在性價(jià)比方面的不足。他指出，相較于Gemini 2.0 Flash、Gemini 2.5 Pro及DeepSeek等競(jìng)品，GPT-4.1的性價(jià)比并不具備優(yōu)勢(shì)。

在編碼專(zhuān)項(xiàng)測(cè)試中，GPT-4.1的表現(xiàn)同樣未能讓人眼前一亮。Aider Polyglot的測(cè)試結(jié)果顯示，GPT-4.1的編碼得分僅為52%，而谷歌的Gemini 2.5則以73%的得分遙遙領(lǐng)先，進(jìn)一步凸顯了GPT-4.1在編碼能力上的不足。

值得注意的是，盡管GPT-4.1被歸類(lèi)為非推理模型，但其在編碼能力方面依然處于行業(yè)領(lǐng)先地位。這一成績(jī)無(wú)疑為OpenAI的AI研發(fā)實(shí)力提供了有力證明，同時(shí)也為未來(lái)的AI模型發(fā)展提供了更多可能性。

然而，在與谷歌Gemini系列的對(duì)比中，GPT-4.1也暴露出了自身在性價(jià)比和錯(cuò)誤率方面的不足。這提醒我們，在AI技術(shù)的快速發(fā)展中，仍需不斷追求性能與成本的平衡，以更好地滿足實(shí)際應(yīng)用需求。