К результатам поиска

OpenAI

GPT 4.1

Модель OpenAI для программирования и работы с длинными документами, обученная точнее следовать инструкциям и форматам изменений кода.

  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запрашивать несколько вызовов инструментов. Приложение проверяет права и выполняет действия.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 1 047 576 токенов1 047 576 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
  • Входные файлыВходные файлыМодель принимает файлы. Поддерживаемые форматы и ограничения проверяйте перед отправкой.
  • Пакетные запросыПакетные запросыПакетный режим указан в данных модели. Это не означает, что отдельный batch API уже подключён в Kvantora.
Вход
253,20 ₽
Выход
1 012,80 ₽
Кэш
63,30 ₽
за 1 млн токенов
Интеллект
12,7
Доступность
100%
API ID
openai/gpt-4.1

Данные каталога получены .

Цена

Текстовый диалог · вход
253,20 ₽ / 1 млн токенов
Текстовый диалог · выход
1 012,80 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
63,30 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

GPT-4.1 помогает разбирать код, готовить правки и находить сведения в больших документах. OpenAI отдельно обучал модель соблюдению форматов изменений кода и инструкций к ответу. Разработчик рекомендует формулировать запросы явно: модель может понимать инструкции буквально. Понимание связей между удалёнными частями длинного документа остаётся сложной задачей.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
1 047 576 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
32 768 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения

Контрольные показатели

Artificial Analysis

16 показателей · проверено

Источник ↗
Индекс интеллекта
12,7 индексСводная оценка Artificial Analysis по всем её тестам

Рассуждение по документу

  • AA-LCR v1.168,3 %

    Рассуждение на длинном контексте с обновлённой оценкой

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)68,3 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)66,6 %

    Научные рассуждения уровня выпускника

Знания

  • AA-Omniscience · точность27,8 %

    Доля вопросов с правильным ответом

  • MMLU-Pro80,6 %

    Профессиональные и академические предметные знания

Знание

  • AA-Omniscience · доля выдуманных ответов (меньше лучше)93,3 %

    Доля неверных ответов среди некорректных ответов

Математика

  • AIME43,7 %

    Американский пригласительный экзамен по математике

  • Math-50091,3 %

    Набор задач для проверки решения разнообразных математических задач

Рассуждения

  • AIME 202534,7 %
  • HLE4,2 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • CritPt0 %

    Рассуждения по физике исследовательского уровня

  • IFBench43 %

    Тест на следование инструкциям

Программирование

  • LiveCodeBench45,7 %

    Бенчмарк по программированию без загрязнения данных

  • Terminal-Bench Hard (архивный)13,6 %

    Устаревший резервный вариант · Агентное программирование и работа в терминале

Агентная работа

  • T²-Bench Telecom (архивный)47,1 %

    Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением

Design Arena

10 показателей · проверено

Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми

Источник ↗

Модели

  • 3D · Elo868 Elo
  • 3D · доля побед30,9 %
  • Визуализация данных · Elo1 114 Elo
  • Визуализация данных · доля побед59,5 %
  • Разработка игр · Elo1 093 Elo
  • Разработка игр · доля побед59,1 %
  • UI-компоненты · Elo1 009 Elo
  • UI-компоненты · доля побед49,7 %
  • Сайты · Elo1 046 Elo
  • Сайты · доля побед52,3 %

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "openai/gpt-4.1",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ