OpenAI lança GPT-4.1: melhor em código e em seguir instruções

A OpenAI anunciou nesta segunda-feira (14) a chegada da nova família de modelos GPT-4.1 à sua API, incluindo as versões GPT-4.1, GPT-4.1 mini e GPT-4.1 nano. A empresa afirma que os novos modelos superam os anteriores GPT-4o e GPT-4o mini em diversos quesitos, com destaque para tarefas de programação e compreensão de instruções. Além disso, eles agora suportam janelas de contexto de até 1 milhão de tokens.

Segundo a OpenAI, os modelos foram desenvolvidos com foco em aplicações do mundo real, a partir de colaborações com a comunidade de desenvolvedores. A atualização também inclui um novo limite de conhecimento até junho de 2024.

Desempenho do GPT-4.1 em tarefas de codificação

• Segundo a OpenAI, o GPT-4.1 apresentou melhorias significativas em benchmarks de engenharia de software, como o SWE-bench Verified, no qual obteve 54,6% de sucesso.
• Este índice representa um aumento de mais de 20 pontos percentuais em relação ao GPT-4o e coloca o novo modelo como destaque entre os modelos de linguagem voltados à programação.
• A OpenAI também informa que o GPT?4.1 é mais eficiente na geração de código em formatos de diffs e realiza menos edições desnecessárias.
• Em avaliações internas, a frequência de alterações extrínsecas caiu de 9% para 2%, e houve melhorias expressivas em tarefas como desenvolvimento frontend.
• Em testes comparativos, avaliadores humanos preferiram os sites gerados com o GPT?4.1 em 80% dos casos.
• Outro destaque é a versão GPT?4.1 nano, que se posiciona como o modelo mais rápido e econômico da nova linha.
• Ele alcança 80,1% no benchmark MMLU e se mostra adequado para tarefas como classificação e autocompletar, mantendo a capacidade de processar 1 milhão de tokens.

Aprimoramentos em instruções e conversas longas

Com foco na confiabilidade, o GPT-4.1 também avançou no cumprimento de instruções complexas, como seguir formatos específicos (ex: XML, Markdown), evitar comportamentos indesejados e manter coerência em múltiplas interações. O modelo teve desempenho 10,5% superior ao GPT-4o no benchmark MultiChallenge, que simula conversas com múltiplas instruções encadeadas.

Além disso, no IFEval — que avalia o cumprimento de instruções verificáveis — o GPT?4.1 obteve 87,4%, contra 81% do GPT?4o. Empresas que participaram da fase de testes, como Blue J e Hex, relataram reduções no retrabalho e maior precisão em tarefas de análise fiscal e consultas em bancos de dados.

Contexto ampliado: até 1 milhão de tokens

A nova linha também se diferencia pela ampliação significativa da janela de contexto. Enquanto versões anteriores como o GPT?4o limitavam-se a 128 mil tokens, os novos modelos conseguem lidar com entradas de até 1 milhão de tokens, o que, segundo a OpenAI, equivale a mais de oito cópias completas do código-fonte do React.

Para validar essa capacidade, a empresa desenvolveu testes como o "Needle in a Haystack", onde os modelos devem localizar uma informação escondida em grandes volumes de texto. O GPT?4.1 se mostrou eficaz mesmo com dados dispersos em janelas extensas. Para cenários mais complexos, a OpenAI criou o benchmark OpenAI-MRCR, que exige interpretação de múltiplas informações interligadas ao longo de conversas simuladas.

Transição e disponibilidade

O GPT-4.1 está disponível exclusivamente via API. A OpenAI também comunicou que a versão GPT?4.5 Preview será desativada em 14 de julho de 2025, já que o novo modelo oferece desempenho semelhante ou superior com menor custo e latência. Os recursos do GPT?4.5, como qualidade de texto e nuance, continuarão sendo incorporados aos próximos modelos.

Já no ChatGPT, as melhorias do GPT?4.1 estão sendo gradualmente integradas à versão GPT?4o. A empresa afirma que continuará ampliando essas atualizações nas futuras versões da plataforma.

GPT?4.1 mini e nano foram desenvolvidos pensando em performance com menor custo. A versão mini, por exemplo, reduz a latência pela metade e o custo em 83%, mantendo resultados comparáveis aos modelos maiores. Já a nano foca em velocidade e custo-benefício, sendo indicada para aplicações que exigem respostas rápidas com contexto extenso.

Esses avanços devem ampliar as possibilidades de criação de agentes autônomos mais úteis e confiáveis para áreas como suporte ao cliente, engenharia de software e análise documental.