OpenAI lanza GPT-4.1 solo por API y jubila a GPT-4.5

OpenAI ha presentado hoy tres modelos nuevos disponibles únicamente a través de su API: GPT-4.1, GPT-4.1 mini y GPT-4.1 nano —este último, el primer modelo "nano" de la casa—. La compañía afirma que superan a GPT-4o y a GPT-4o mini en todas las pruebas, con avances notables en programación y en seguimiento de instrucciones, y que soportan hasta un millón de tokens de contexto. Todos parten de un corte de conocimiento actualizado a junio de 2024.

El anuncio llega con una decisión que marca el rumbo: OpenAI empezará a retirar GPT-4.5 Preview de la API, que se apagará dentro de tres meses, el 14 de julio de 2025. La justificación es directa: GPT-4.1 ofrece rendimiento igual o mejor en muchas capacidades clave a un coste y una latencia mucho menores.

Qué cambia con GPT-4.1

El argumento central de OpenAI es la programación. En SWE-bench Verified, un banco de pruebas que mide habilidades reales de ingeniería de software, GPT-4.1 resuelve el 54,6% de las tareas frente al 33,2% de GPT-4o. Son 21,4 puntos porcentuales de mejora sobre GPT-4o y 26,6 puntos sobre GPT-4.5. La propia compañía matiza el dato: su medición omite 23 de los 500 problemas cuyas soluciones no pudieron ejecutarse en su infraestructura; si esos casos se contabilizan como fallo, la cifra baja al 52,1%.

En el terreno del seguimiento de instrucciones, GPT-4.1 obtiene un 38,3% en el benchmark MultiChallenge de Scale, 10,5 puntos por encima de GPT-4o. Y en comprensión de contexto largo multimodal, marca un nuevo récord en Video-MME con un 72,0% en la categoría de vídeos largos sin subtítulos, 6,7 puntos más que GPT-4o.

Más allá de las cifras, OpenAI insiste en que entrenó estos modelos con la vista puesta en la utilidad real y en colaboración con su comunidad de desarrolladores. Dos mejoras concretas apuntan a ese objetivo. La primera: GPT-4.1 sigue los formatos de diff —el formato que expresa solo las líneas que cambian en un archivo, en lugar de reescribirlo entero— con más fiabilidad, lo que permite ahorrar coste y latencia. En el benchmark polyglot de Aider, más que duplica la puntuación de GPT-4o y supera a GPT-4.5 en 8 puntos. La segunda: en las evaluaciones internas de OpenAI, las ediciones de código superfluas cayeron del 9% con GPT-4o al 2% con GPT-4.1.

Para quien prefiera reescribir archivos completos, el límite de salida sube a 32.768 tokens, el doble de los 16.384 de GPT-4o. Y en programación de frontend —la parte visible de una aplicación web—, evaluadores humanos contratados prefirieron las webs generadas por GPT-4.1 sobre las de GPT-4o el 80% de las veces.

Mini y nano: la apuesta por el precio y la velocidad

La novedad estructural es que la familia se despliega a lo largo de toda la curva de latencia. GPT-4.1 mini, según OpenAI, iguala o supera a GPT-4o en inteligencia mientras reduce la latencia casi a la mitad y el coste en un 83%. Es un salto considerable para un modelo pequeño que, en varias pruebas, adelanta al modelo grande de la generación anterior.

GPT-4.1 nano es el más rápido y barato del catálogo. Mantiene la ventana de un millón de tokens y puntúa 80,1% en MMLU, 50,3% en GPQA y 9,8% en el benchmark de programación multilingüe de Aider, por encima de GPT-4o mini. OpenAI lo posiciona para tareas como clasificación o autocompletado, donde la velocidad manda sobre la sofisticación.

Esta gradación de tamaños y precios es la respuesta a un problema práctico: no todas las tareas necesitan el modelo más potente, y pagar por capacidad que no se usa es un lastre para cualquier producto que escale. Ofrecer tres peldaños permite al desarrollador elegir el punto exacto entre coste, velocidad e inteligencia.

Agentes: el objetivo real

La mejora en fiabilidad de instrucciones y comprensión de contexto largo tiene un destinatario claro: los agentes, sistemas capaces de completar tareas de forma autónoma en nombre del usuario. OpenAI señala que, combinados con herramientas como su Responses API, estos modelos permiten construir agentes más útiles en ingeniería de software, en la extracción de información de documentos extensos o en la resolución de consultas de clientes con mínima supervisión.

Es aquí donde el contexto de un millón de tokens deja de ser una cifra de escaparate. Un agente que trabaja sobre un repositorio de código entero o sobre montañas de documentación necesita retener y usar bien esa información; de poco sirve una ventana enorme si el modelo se pierde dentro de ella. OpenAI defiende que GPT-4.1 no solo tiene más contexto, sino que lo aprovecha mejor.

La compañía apoya el lanzamiento en testimonios de sus probadores en fase alfa. Windsurf afirma que GPT-4.1 puntúa un 60% más que GPT-4o en su benchmark interno de programación, que sus usuarios lo encontraron un 30% más eficiente en el uso de herramientas y alrededor de un 50% menos propenso a repetir ediciones innecesarias. Qodo, tras enfrentar a GPT-4.1 con otros modelos líderes en 200 pull requests reales de GitHub bajo idénticas condiciones, dice que produjo la mejor sugerencia en el 55% de los casos.

Solo por API, y una despedida

Hay un matiz que conviene subrayar: GPT-4.1 solo estará disponible a través de la API, no en ChatGPT. OpenAI explica que muchas de sus mejoras en instrucciones, programación e inteligencia ya se han ido incorporando de forma gradual a la última versión de GPT-4o dentro de ChatGPT, y que seguirá trasladándolas en futuras entregas. La separación es reveladora: la empresa gestiona por un lado el producto de consumo y por otro el catálogo para quienes construyen sobre su infraestructura.

La retirada de GPT-4.5 Preview redondea esa lógica. OpenAI lo introdujo como una vista previa de investigación para explorar un modelo grande e intensivo en cómputo, y dice haber aprendido mucho del feedback de los desarrolladores. Ahora lo apaga porque GPT-4.1 hace lo mismo o mejor por mucho menos dinero y con menos latencia. La compañía promete conservar en futuros modelos de la API la creatividad, la calidad de escritura, el humor y los matices que los usuarios valoraban en GPT-4.5.

El mensaje de conjunto es de eficiencia sobre potencia bruta. Un modelo enorme y caro se jubila en favor de una familia más barata, más rápida y —según los datos que aporta OpenAI— igual de capaz o más en las tareas que importan a quien programa. Para los desarrolladores, la ventana de tres meses hasta el 14 de julio es el plazo para migrar sus aplicaciones antes de que GPT-4.5 deje de responder.