GPT 4.1: Tính năng, Cách truy cập, So sánh với GPT-4o và hơn thế nữa

OpenAI gần đây đã phát hành GPT-4.1, một họ mô hình mới được xây dựng dành riêng cho các tác vụ lập trình. Tôi cũng bối rối như mọi người về cú nhảy đặt tên từ GPT-4.5 xuống GPT-4.1, nhưng may mắn là các bài đo kiểm thì không “đi lùi”—trái lại còn tiến bộ.

Việc triển khai bắt đầu từ ngày 14/4 với quyền truy cập qua API. Sau đó, ngày 14/5, OpenAI bắt đầu đưa GPT-4.1 vào ứng dụng ChatGPT. Người dùng gói miễn phí sẽ không thể chọn GPT-4.1 thủ công, nhưng hiện được hưởng lợi từ GPT-4.1 Mini như phương án mặc định thay thế, thay cho GPT-4o Mini.

GPT-4.1 có ba kích cỡ: GPT-4.1, GPT-4.1 Mini và GPT-4.1 Nano. Cả ba đều hỗ trợ tối đa 1 triệu token ngữ cảnh và mang lại những cải tiến đáng chú ý về lập trình, tuân thủ hướng dẫn và hiểu văn bản dài. Chúng cũng rẻ hơn và nhanh hơn các bản phát hành trước.

Trong bài viết này, tôi sẽ giới thiệu những gì mỗi mô hình có thể làm, cách chúng so với GPT-4o và GPT-4.5, và vị thế của chúng trong các bài đo kiểm và ứng dụng thực tế.

Chúng tôi luôn cập nhật cho độc giả những tin mới nhất về AI qua The Median, bản tin miễn phí mỗi thứ Sáu tóm lược các câu chuyện đáng chú ý trong tuần. Đăng ký để luôn nắm bắt tình hình chỉ trong vài phút mỗi tuần:

GPT-4.1 là gì?

Bộ mô hình GPT-4.1 gồm ba mô hình: GPT-4.1, GPT-4.1 Mini và GPT-4.1 Nano. Chúng hướng đến các nhà phát triển cần hiệu năng tốt hơn, ngữ cảnh dài hơn và khả năng tuân thủ hướng dẫn dự đoán được hơn. Mỗi mô hình hỗ trợ tối đa 1 triệu token ngữ cảnh, một bước nhảy lớn so với giới hạn 128K ở các phiên bản trước như GPT-4o.

Nguồn: OpenAI

Dù chia sẻ kiến trúc, mỗi phiên bản được tinh chỉnh cho các trường hợp sử dụng khác nhau. Hãy xem chi tiết từng phiên bản.

GPT-4.1

Đây là mô hình đầu bảng. Nếu bạn muốn hiệu năng tổng thể tốt nhất trong lập trình, tuân thủ hướng dẫn và xử lý ngữ cảnh dài, thì đây là lựa chọn nên dùng. Nó được xây dựng để xử lý các quy trình lập trình phức tạp hoặc xử lý các tài liệu lớn trong một lời nhắc duy nhất.

Trong các bài đo kiểm, nó vượt GPT-4o ở kỹ thuật phần mềm thực tế (SWE-bench), tuân thủ hướng dẫn (MultiChallenge), và suy luận ngữ cảnh dài (MRCR, Graphwalks). Nó cũng thể hiện rõ rệt khả năng tôn trọng cấu trúc và định dạng—như phản hồi XML, hướng dẫn theo thứ tự, và các ràng buộc phủ định kiểu “đừng trả lời trừ khi…”.

Bạn cũng có thể tinh chỉnh GPT-4.1 ngay từ ngày ra mắt, mở ra thêm các trường hợp dùng trong sản xuất nơi việc kiểm soát giọng điệu, định dạng hoặc kiến thức miền là quan trọng.

GPT-4.1 Mini

GPT-4.1 Mini là lựa chọn tầm trung, cung cấp gần như đầy đủ khả năng của bản tiêu chuẩn nhưng với độ trễ và chi phí thấp hơn. Nó ngang bằng hoặc vượt GPT-4o ở nhiều bài đo kiểm, bao gồm tuân thủ hướng dẫn và suy luận dựa trên hình ảnh.

Rất có thể nó sẽ trở thành lựa chọn mặc định cho nhiều trường hợp: đủ nhanh cho công cụ tương tác, đủ thông minh để theo sát hướng dẫn chi tiết, và rẻ hơn đáng kể so với bản đầy đủ.

Giống bản đầy đủ, nó hỗ trợ 1 triệu token ngữ cảnh và đã sẵn sàng cho tinh chỉnh.

GPT-4.1 Nano

Nano là nhỏ nhất, nhanh nhất và rẻ nhất trong nhóm. Nó được xây dựng cho các tác vụ như gợi ý hoàn thành, phân loại, và trích xuất thông tin từ tài liệu lớn. Dù gọn nhẹ, nó vẫn hỗ trợ đầy đủ cửa sổ ngữ cảnh 1 triệu token.

Đây cũng là mô hình nhỏ nhất, nhanh nhất và rẻ nhất từ trước đến nay của OpenAI, chỉ khoảng 10 xu cho mỗi triệu token. Bạn sẽ không có được toàn bộ khả năng suy luận và lập kế hoạch như các mô hình lớn hơn, nhưng với một số tác vụ, đó không phải là trọng tâm.

GPT-4.1 so với GPT-4o và GPT-4.5

Trước khi đi vào các bài đo kiểm (mà chúng ta sẽ bàn chi tiết ở phần sau), đáng để hiểu GPT-4.1 khác gì trong thực tế so với GPT-4o và GPT-4.5.

Thông minh hơn GPT-4o, thực dụng hơn GPT-4.5

GPT-4.1 cải thiện khả năng của GPT-4o đồng thời giữ độ trễ ở mức tương đương. Trong thực tế, điều đó có nghĩa là các nhà phát triển nay có hiệu năng tốt hơn mà không phải trả giá bằng độ phản hồi.

Nguồn: OpenAI

Hãy phân tích biểu đồ trên:

• GPT-4.1 và GPT-4o có vị trí gần nhau về độ trễ, nhưng GPT-4.1 vượt lên về trí tuệ. Vậy là bạn nhận được một mô hình thông minh hơn (và rẻ hơn) với tốc độ tương tự.
• GPT-4.1 Mini cũng mạnh hơn GPT-4o Mini, nhưng cái giá phải trả là một chút: độ trễ tăng nhẹ.
• GPT-4.1 Nano là kẻ chiến thắng rõ ràng về tốc độ, nằm ngoài cùng bên trái biểu đồ. Nó không mạnh bằng ở MMLU, nhưng điều đó dễ hiểu—nó được thiết kế cho các tác vụ gọn nhẹ, nơi tốc độ quan trọng hơn khả năng suy luận thuần túy.

Ngược lại, GPT-4.5 luôn được định vị là bản xem trước nghiên cứu. Dù có khả năng suy luận và chất lượng viết tốt, nó đi kèm nhiều chi phí hơn. GPT-4.1 mang lại kết quả tương đương hoặc tốt hơn ở các bài đo kiểm cốt lõi nhưng rẻ hơn và phản hồi nhanh hơn—đủ để OpenAI lên kế hoạch ngừng 4.5 hoàn toàn vào giữa tháng 7 nhằm giải phóng thêm GPU.

1 triệu token ngữ cảnh

Cả ba mô hình GPT-4.1—bản tiêu chuẩn, Mini và Nano—đều hỗ trợ tới 1 triệu token ngữ cảnh. Con số này gấp hơn 8 lần so với GPT-4o.

Khả năng ngữ cảnh dài này cho phép các trường hợp dùng thực tế như xử lý toàn bộ log, lập chỉ mục kho mã, xử lý quy trình pháp lý đa tài liệu, hoặc phân tích bản ghi dài—tất cả mà không cần chia nhỏ hay tóm tắt trước.

Tuân thủ hướng dẫn tốt hơn

GPT-4.1 cũng đánh dấu bước chuyển trong mức độ đáng tin khi mô hình làm theo hướng dẫn. Nó xử lý tốt các lời nhắc phức tạp gồm các bước theo thứ tự, ràng buộc định dạng, và điều kiện phủ định (như từ chối trả lời nếu định dạng sai).

Trong thực tế, điều này có hai ý nghĩa: ít phải tỉa tót lời nhắc hơn và ít phải dọn dẹp đầu ra hơn.

Các bài đo kiểm của GPT-4.1

GPT-4.1 thể hiện tiến bộ ở bốn lĩnh vực cốt lõi: lập trình, tuân thủ hướng dẫn, hiểu ngữ cảnh dài và tác vụ đa phương thức.

Hiệu năng lập trình

Trên SWE-bench Verified—một bài đo kiểm đưa mô hình vào một codebase thực và yêu cầu hoàn thành issue từ đầu đến cuối—GPT-4.1 đạt 54,6%. Tăng từ 33,2% với GPT-4o và 38% với GPT-4.5. Cũng rất ấn tượng khi GPT-4.1 đạt điểm cao hơn cả o1 và o3-mini.

Nguồn: OpenAI

Nó cũng hơn gấp đôi hiệu năng của GPT-4o trên bài đo kiểm polyglot diff của Aider, đạt 52,9% độ chính xác trên các diff mã nhiều ngôn ngữ và định dạng. GPT-4.5 đạt 44,9% ở cùng tác vụ. GPT-4.1 cũng chính xác hơn: trong các đánh giá nội bộ, các chỉnh sửa mã thừa giảm từ 9% (GPT-4o) xuống chỉ 2%.

Nguồn: OpenAI

Ngoài điểm số đo kiểm, bản demo lập trình frontend mà OpenAI cung cấp là ví dụ trực quan về hiệu năng vượt trội của GPT-4.1. Đội ngũ OpenAI yêu cầu cả hai mô hình xây cùng một ứng dụng flashcard, và đánh giá viên con người thích đầu ra của GPT-4.1 trong 80% trường hợp.

Nguồn: OpenAI

Windsurf, một đơn vị thử nghiệm alpha, báo cáo mức cải thiện 60% trên bài đo kiểm lập trình nội bộ của họ. Một công ty khác, Qodo, đã thử nghiệm GPT-4.1 trên các pull request thực tế của GitHub và nhận thấy nó đưa ra đề xuất tốt hơn trong 55% trường hợp, với ít chỉnh sửa lan man hoặc quá dài dòng hơn.

Tuân thủ hướng dẫn

GPT-4.1 “sát nghĩa” hơn—và đáng tin cậy hơn—khi làm theo hướng dẫn, đặc biệt với các tác vụ nhiều bước, quy tắc định dạng hoặc điều kiện. Trên bài đánh giá tuân thủ hướng dẫn nội bộ của OpenAI (tập khó), GPT-4.1 đạt 49,1%, so với chỉ 29,2% của GPT-4o. GPT-4.5 nhỉnh hơn một chút ở đây với 54%, nhưng khoảng cách giữa 4.1 và 4o là đáng kể.

Nguồn: OpenAI

Trên MultiChallenge, bài kiểm tra khả năng theo dõi hướng dẫn đa lượt và ghi nhớ các ràng buộc được đưa ra trước đó trong hội thoại, GPT-4.1 đạt 38,3%—tăng từ 27,8% của GPT-4o. Còn trên IFEval, bài kiểm tra khả năng tuân thủ yêu cầu đầu ra được chỉ định rõ ràng, GPT-4.1 đạt 87,4%, cải thiện đáng kể so với 81% của GPT-4o.

Trong thực tế, điều này có nghĩa là GPT-4.1 bám sát các bước theo thứ tự, từ chối đầu vào sai định dạng, và phản hồi đúng định dạng bạn yêu cầu—đặc biệt với đầu ra có cấu trúc như XML, YAML hoặc markdown. Điều đó cũng giúp xây dựng quy trình agent đáng tin cậy hơn mà không cần lặp lại lời nhắc nhiều lần.

Suy luận ngữ cảnh dài

Cả ba mô hình GPT-4.1—tiêu chuẩn, Mini và Nano—đều hỗ trợ tối đa 1 triệu token ngữ cảnh. Đây là mức tăng gấp 8 lần so với GPT-4o, vốn dừng ở 128K. Quan trọng không kém: không có phụ phí khi dùng cửa sổ ngữ cảnh này. Giá được tính như mọi lời nhắc khác.

Nhưng các mô hình có thực sự dùng được toàn bộ ngữ cảnh đó không? Trong bài kiểm tra “kim trong đống rơm” của OpenAI, GPT-4.1 ổn định tìm thấy nội dung chèn vào ở bất kỳ vị trí nào—đầu, giữa hoặc cuối—trong toàn bộ đầu vào 1 triệu token.

Nguồn: OpenAI

Graphwalks, một bài đo kiểm khả năng suy luận nhiều bước trong ngữ cảnh dài, ghi nhận GPT-4.1 ở mức 61,7%—một bước nhảy vững chắc từ 41,7% của GPT-4o, dù vẫn thấp hơn GPT-4.5 ở 72,3%.

Những cải thiện này cũng xuất hiện trong các thử nghiệm thực tế. Thomson Reuters ghi nhận mức tăng 17% trong phân tích pháp lý đa tài liệu khi dùng GPT-4.1, trong khi Carlyle báo cáo cải thiện 50% khi trích xuất dữ liệu chi tiết từ các báo cáo tài chính dày đặc.

Đa phương thức và thị giác

Ở các tác vụ đa phương thức, GPT-4.1 cũng có tiến bộ. Nó đạt 72,0% ở bài đo Video-MME, liên quan đến trả lời câu hỏi về các video dài 30–60 phút không có phụ đề—tăng từ 65,3% với GPT-4o.

Ở các bài đo thiên về hình ảnh như MMMU, nó đạt 74,8% so với 68,7% của GPT-4o. Trên MathVista, bao gồm biểu đồ, đồ thị và hình ảnh toán học, GPT-4.1 đạt 72,2%.

Điều bất ngờ: GPT-4.1 Mini hoạt động gần như ngang bản đầy đủ ở một số bài đo này. Chẳng hạn trên MathVista, nó thậm chí nhỉnh hơn GPT-4.1 với 73,1%. Điều đó khiến nó là lựa chọn hấp dẫn cho các trường hợp kết hợp tốc độ với lời nhắc nặng về hình ảnh.

Nguồn: OpenAI

Cách truy cập GPT-4.1

Hiện bạn có thể truy cập GPT-4.1 và GPT-4.1 Mini trực tiếp trong ứng dụng ChatGPT, không chỉ qua API. Người đăng ký Plus, Pro và Team có thể chọn thủ công GPT-4.1 từ menu mô hình, trong khi người dùng miễn phí sẽ tự động dùng GPT-4.1 Mini—thay thế GPT-4o Mini làm mặc định phía sau hậu trường. Các gói Enterprise và Education dự kiến sẽ được cấp quyền trong vài tuần tới.

Với nhà phát triển, OpenAI API và Playground tiếp tục hỗ trợ cả ba biến thể—GPT-4.1, GPT-4.1 Mini và GPT-4.1 Nano. Đây vẫn là cách tốt nhất để thử lời nhắc, khám phá hành vi ngữ cảnh dài và so sánh mô hình trước khi tích hợp vào sản xuất.

Nếu bạn làm việc với tài liệu dài—như log, PDF, hồ sơ pháp lý, hoặc bài báo học thuật—bạn có thể gửi tới 1 triệu token trong một lần gọi, không cần tham số đặc biệt. Cũng không có phụ phí cho ngữ cảnh dài: chi phí token là cố định, bất kể kích thước đầu vào.

Tinh chỉnh GPT-4.1

Bạn có thể tinh chỉnh cả ba biến thể GPT-4.1. Điều đó mở ra khả năng hướng dẫn tùy biến, từ vựng chuyên ngành, hoặc đầu ra theo giọng điệu cụ thể. Lưu ý rằng tinh chỉnh có mức pricing:

Nếu bạn đã từng tinh chỉnh các mô hình GPT-3.5 hoặc GPT-4 trước đây, quy trình hầu như không đổi—chỉ cần chọn bản nền mới hơn. Nếu muốn tìm hiểu thêm, tôi khuyến nghị bài hướng dẫn về tinh chỉnh GPT-4o mini.

Giá của GPT-4.1

Một trong những điểm đáng mừng với GPT-4.1 là không chỉ thông minh hơn—mà còn rẻ hơn. OpenAI cho biết mục tiêu là khiến các mô hình này khả dụng hơn trong nhiều quy trình công việc thực tế, và điều đó thể hiện ở cách cấu trúc giá.

Dưới đây là mức giá của ba mô hình cho suy inference:

*Con số “pha trộn” dựa trên giả định của OpenAI về tỷ lệ đầu vào/đầu ra điển hình.

Kết luận

GPT-4.1 mang đến khả năng tạo mã đáng tin cậy hơn, tuân thủ hướng dẫn tốt hơn, xử lý ngữ cảnh dài thực thụ và vòng lặp thử nghiệm nhanh hơn.

Cách đặt tên có thể gây nhầm lẫn, nhưng bản thân các mô hình thì rõ ràng mạnh mẽ hơn trước. Chúng cũng phải chăng hơn—và dễ áp dụng hơn—đặc biệt trong môi trường sản xuất, nơi độ trễ, chi phí và tính dự đoán là quan trọng.

Nếu hôm nay bạn đang dùng GPT-4o, đáng để thử GPT-4.1.