SWE-bench Verified
54,6
%
Corriger de vrais tickets ouverts sur GitHub, dans le dépôt d'origine, sans aide.
Source
GPT-4.1
ActifOpenAI · Gamme Tête de gamme · sorti le 14 avril 2025
Smartest non-reasoning model
Les faits
Ce qu'il coûte, ce qu'il tient
Fenêtre de contexte
1M jetons
Ce qu’il peut avoir sous les yeux en une seule fois, question et réponse comprises.
Prix d’entrée
2 $ / M jetons
Ce que coûte le texte qu’on lui envoie.
Prix de sortie
8 $ / M jetons
Ce que coûte le texte qu’il produit, toujours plus cher que l’entrée.
Sortie maximale
33K jetons
La plus longue réponse qu’il peut produire d’un seul tenant.
Connaissances arrêtées à
juin 2024
Il ne sait rien de ce qui s’est passé après cette date, sauf si on le lui fournit.
Cycle de vie
D'aujourd'hui à sa fin de service
Sortie
14 avril 2025
Dépréciation
Non annoncée
Retrait
Non annoncé
Capacités
Ce qu'il sait faire
Réponse au fil de l'eau
La réponse arrive mot à mot pendant qu'elle s'écrit, au lieu d'attendre qu'elle soit finie.
Sortie structurée
Le modèle rend une réponse au format demandé, exploitable par un programme sans relecture.
Sortie prédite
Quand on sait déjà à quoi ressemblera l'essentiel de la réponse, la fournir accélère et réduit le coût.
Appel de fonctions
Le modèle peut demander l'exécution d'une fonction du programme qui l'appelle et se servir du résultat.
Recherche dans des fichiers
Le modèle peut chercher une réponse dans des documents fournis plutôt que dans ce qu'il a appris.
Dépôt de fichiers
Des fichiers peuvent lui être soumis directement.
Lecture d'images
Le modèle voit les images qu'on lui soumet et peut répondre à leur sujet.
Recherche sur le web
Le modèle peut consulter le web pendant qu'il répond, ce qui lui donne accès à des faits postérieurs à son entraînement.
Spécialisation
Le modèle peut être réentraîné sur des exemples propres à un usage.
Mise en cache des requêtes
Une partie de requête déjà envoyée est facturée moins cher si elle est réutilisée peu après.
Production d'images
Le modèle peut produire une image.
Exécution de code
Le modèle peut écrire puis exécuter du code pour calculer ou vérifier lui-même.
Connecteurs MCP
Le modèle peut se brancher sur des services extérieurs par le protocole ouvert Model Context Protocol.
La lignée Tête de gamme
Toute la lignée
Les autres versions
GPT-5.6 Sol09.07.2026 · Actif
GPT-5.523.04.2026 · Actif
GPT-5.405.03.2026 · Actif
GPT-5.211.12.2025 · Actif
GPT-5.113.11.2025 · Actif
GPT-507.08.2025 · Déprécié
GPT-4.114.04.2025 · celui-ci
GPT-4.5 Preview27.02.2025 · Retiré
GPT-4o13.05.2024 · Actif
GPT-4 Turbo Preview06.11.2023 · Actif
GPT-4 Turbo06.11.2023 · Actif
GPT-414.03.2023 · Actif
GPT-4 Vision · Retiré
GPT-4 32k · Retiré
GPT-3.5 Turbo 16k · Retiré
GPT-3.5 Turbo · Actif
Benchmarks expliqués
Ce qu'il vaut, avec les conditions
16 tests relevés pour ce modèle, regroupés par ce qu'ils mesurent. Chaque chiffre est annoncé par le laboratoire, avec sa source et ses conditions ; une jauge n'est dessinée que quand l'échelle du test a un maximum connu.
Code et ingénierie logicielle
Le modèle reçoit un dépôt et un problème, et doit produire un correctif qui passe les tests, sans intervention humaine.
Aider's polyglot
51,6
%
Résoudre des exercices de programmation d'Exercism en modifiant des fichiers source, dans plusieurs langages.
relevé sous « Aider’s polyglot: whole »
SourceConnaissances et raisonnement scientifique
Des questions à réponse unique, du niveau lycée au niveau doctorat, où seule la justesse compte.
MMLU
90,2
%
Des questions à choix multiples sur 57 matières, du programme de lycée au niveau professionnel.
SourceMMMLU
87,3
%
Les 57 matières de MMLU, posées dans quatorze langues autres que l'anglais.
relevé sous « Multilingual MMLU »
SourceMMMU
74,8
%
Des questions d'examen universitaire qui mêlent texte, schémas, cartes et partitions.
SourceGPQA Diamond
66,3
%
Des questions de niveau doctorat en biologie, physique et chimie, écrites par des spécialistes.
SourceGraphWalks (contexte long)
61,7
%
Parcourir un graphe dont la description remplit toute la fenêtre de contexte.
relevé sous « Graphwalks bfs <128k »
SourceOpenAI-MRCR
57,2
%
Retrouver la bonne réponse quand plusieurs demandes presque identiques ont été noyées dans une très longue conversation.
relevé sous « OpenAI-MRCR: 2 needle128k »
SourceMathématiques
Des démonstrations de niveau olympiade et des problèmes tirés de la recherche en cours.
Pilotage d'un ordinateur
Le modèle agit à la souris et au clavier sur une machine réelle, comme le ferait une personne.
CharXiv Reasoning
56,7
%
Raisonner sur les figures d'articles scientifiques publiés sur arXiv.
SourceTravail professionnel réel
Des livrables de métier : dossiers juridiques, flux d'entreprise, enchaînements d'outils, documents de travail.
IFEval
87,4
%
Obéir à des consignes de forme dont le respect se vérifie par un programme, sans jugement humain.
SourceCOLLIE
65,8
%
Écrire un texte libre en respectant à la lettre des contraintes de forme.
Sourcetau-bench
49,4
%
Traiter un dossier de service client en suivant les règles de l'entreprise, dans le transport aérien ou le commerce de détail.
relevé sous « Taubench airline »
SourceTau2-bench Telecom
43,6
%
Traiter une demande de service client de bout en bout, en suivant les règles de l'entreprise et en dialoguant avec le client.
SourceMultiChallenge
38,3
%
Tenir une conversation à plusieurs tours en se servant correctement de ce qui a été dit avant.
Source
Pour les développeurs
Intégrer ce modèle
L'appeler
Identifiant d’API
gpt-4.1
Le nom exact à écrire dans le code pour appeler ce modèle.
Alias
gpt-4.1-2025-04-14 Les autres noms du même modèle, selon la plateforme qui le revend.
Ce qu'il accepte
Entrées acceptées
texteimage
Sorties produites
texte
Facturation détaillée par million de jetons
Lecture depuis le cache0,5 $ Traitement par lots, entrée1 $ Traitement par lots, sortie4 $Mettre en mémoire un début de requête réutilisé d’un appel à l’autre : 1,25 fois le prix d’entrée.