OpenAI представила нові моделі, які фокусуються саме на програмуванні — GPT-4.1, GPT-4.1 mini і GPT-4.1 nano. Остання є найдешевшою моделлю в історії, стверджує компанія.
OpenAI представила нові моделі, які фокусуються саме на програмуванні — GPT-4.1, GPT-4.1 mini і GPT-4.1 nano. Остання є найдешевшою моделлю в історії, стверджує компанія.
Мультимодальні моделі, доступні через API OpenAI, але не через ChatGPT. Мають контекстне вікно в 1 млн токенів, що означає, що вони можуть приймати приблизно 750 000 слів за один раз, пише TechCrunch.
Метою багатьох технічних гігантів, у тому числі OpenAI, навчити ШІ-моделі виконувати складні завдання з розробки програмного забезпечення. Великі амбіції OpenAI — створити «агентного програмного інженера». GPT-4.1 є кроком у цьому напрямку.
«Ми оптимізували GPT-4.1 для використання в реальному світі на основі прямого зворотного зв’язку, щоб покращити сфери, які найбільше цікавлять розробників: інтерфейсне кодування, внесення меншої кількості сторонніх редагувань, надійне дотримання форматів, дотримання структури відповідей і порядку, послідовне використання інструментів тощо», — повідомив TechCrunch електронною поштою представник OpenAI. «Ці вдосконалення дозволяють розробникам створювати агенти, які значно краще справляються з реальними завданнями розробки програмного забезпечення».
OpenAI стверджує, що повна модель GPT-4.1 перевершує свої моделі GPT-4o та GPT-4o mini за тестами кодування, включаючи SWE-bench. Кажуть, що GPT-4.1 mini і nano є ефективнішими та швидшими за рахунок певної точності, а що GPT-4.1 nano є найшвидшою — і найдешевшою — моделлю в історії.
Відповідно до внутрішнього тестування OpenAI, GPT-4.1, який може генерувати більше токенів одночасно, ніж GPT-4o (32 768 проти 16 384), набрав від 52% до 54,6% на SWE-bench Verified, перевіреній людиною підмножині SWE-bench.
Ці цифри трохи нижчі від результатів, повідомлених Google і Anthropic для Gemini 2.5 Pro (63,8%) і Claude 3.7 Sonnet (62,3%), відповідно, за тим самим тестом.
В окремій оцінці OpenAI перевірив GPT-4.1 за допомогою Video-MME, який призначений для вимірювання здатності моделі «розуміти» вміст у відео. GPT-4.1 досяг рекордної точності в 72% у категорії «довге відео без субтитрів», стверджує OpenAI.
OpenAI також визнає, що GPT-4.1 стає менш надійною (тобто більше помиляється), чим більше вхідних токенів їй доводиться мати справу. В одному з власних тестів компанії, OpenAI-MRCR, точність моделі знизилася з приблизно 84% з 8000 токенів до 50% з 1 млн токенів. GPT-4.1 також мала тенденцію бути більш «буквальною», ніж GPT-4o, каже компанія, іноді вимагаючи більш конкретних, чітких підказок.
Нагадаємо, дослідження Microsoft показало, що ШІ-моделі не справляються з процесом налагодження коду.
