gpt-4.1
replicate · Chat model
gpt-4.1 は replicate の チャット モデルとして掲載されています。料金、上限、機能、ソースを比較しやすい形で確認できます。
正確性のため、プロバイダー名とモデル ID は原文のまま表示しています。
replicate-replicate-openai-gpt-4-1
カタログ生成日: 2026/09/19
要点
向いている確認
自分のワークロードで試す前に、料金、コンテキスト長、対応機能を短時間で確認したいときに使います。
公式側で確認すること
割引、キャッシュ料金、リージョン条件、公開メタデータに出ていないモデル上限は、必ずプロバイダーの公式ページで確認してください。
料金
| 項目 | 料金 |
|---|---|
| 入力 | $2.0000 / 1M tokens |
| 出力 | $8.0000 / 1M tokens |
| 埋め込み | $2.0000 / 1M tokens |
上限
該当データなし
機能
| 機能 | 対応 |
|---|---|
| Vision | 対応 |
| Function calling | 対応 |
| Parallel function calling | 対応 |
| Tool choice | 対応 |
| Prompt caching | - |
| Reasoning | - |
| Response schema | 対応 |
| System messages | 対応 |
| Audio input | - |
| Audio output | - |
| Web search | - |
| PDF input | - |
| Video input | - |
| Native streaming | - |
| Computer use | - |
| Assistant prefill | - |
| Structured output | - |
| Output config | - |
| URL context | - |
ベンチマーク
多くのベンチマーク行は、このプロバイダールートそのものではなく、ベースモデル系列に紐づいています。 ベンチマーク一覧を開く
| ベンチマーク | スコア | 指標 | 対象範囲 | 確認日 | ソース |
|---|---|---|---|---|---|
| SWE-bench Verified | 54.6% | accuracy (%) | ベースモデル: gpt-4.1 (GPT-4.1) | 2026-05-31 | リンク |
| Aider Polyglot | 51.6% | accuracy (%) | ベースモデル: gpt-4.1 (GPT-4.1) | 2026-05-31 | リンク |
| Aider Polyglot | 52.9% | accuracy (%) | ベースモデル: gpt-4.1 (GPT-4.1) | 2026-05-31 | リンク |
| IFEval | 87.4% | accuracy (%) | ベースモデル: gpt-4.1 (GPT-4.1) | 2026-05-31 | リンク |
| OpenAI-MRCR: 2 needle 128k | 57.2% | accuracy (%) | ベースモデル: gpt-4.1 (GPT-4.1) | 2026-05-31 | リンク |
| SWE-bench Verified | 54.6% | accuracy | ベースモデル: GPT-4.1 (gpt-4.1) | 2026-05-31 | リンク |
| MultiChallenge | 38.3% | accuracy | ベースモデル: GPT-4.1 (gpt-4.1) | 2026-05-31 | リンク |
| Video-MME | 72.0% | accuracy | ベースモデル: GPT-4.1 (gpt-4.1) | 2026-05-31 | リンク |
| Aider Polyglot Diff | 52.9% | pass rate | ベースモデル: GPT-4.1 (gpt-4.1) | 2026-05-31 | リンク |
関連記事
このモデルのプロバイダー、機能、ユースケースに関連する記事です。
Model Routing Cascade
A four-tier Budget, Mid, Premium, and Reasoning model selection framework for routing queries to the lowest-cost suitable tier.
Hidden Costs of LLM APIs
Fine-tuning, rate limits, latency tradeoffs, evaluation, integration, and vendor risk — the LLM API costs that don't show up in per-token comparisons.
Output vs Input Pricing Multiplier
Output tokens cost 3.6× more than input on average across 2,076 chat models. Provider breakdowns, reasoning vs non-reasoning, and real workload estimates.
Reasoning LLM API Pricing Guide
Which reasoning models are cheapest, which are most expensive, and when to use reasoning vs non-reasoning models.
ソース
料金とメタデータの出典は英語版と同じデータベースを使っています。公式の提供元の事実情報は翻訳や推測で補完していません。
カタログ生成日: 2026-09-19T10:13:11.700Z