OpenAI本週推出新一代生成式AI模型「GPT-4.1」系列，包括GPT-4.1、mini與nano三款，全面升級程式設計能力與指令遵從性。三者皆具備百萬Token上下文視窗，意味一次可處理約75萬字的資訊量，超越市面多數模型。

儘管GPT-4.1尚未導入ChatGPT產品，但已透過API對開發者開放，等同向Google Gemini 2.5 Pro與Anthropic Claude 3.7等競爭對手正面對決。OpenAI強調，GPT-4.1針對真實開發情境進行優化，是實現「AI軟體工程師」願景的關鍵里程碑。

OpenAI財務長傅萊爾（Sarah Friar）表示，公司目標是訓練可自主編碼、測試與撰寫技術文件的代理型AI工程師，提升企業開發效率。GPT-4.1的價格採取分級策略：

其中nano主打低延遲與高效率，預計將吸引中小型開發團隊及嵌入式應用領域。GPT-4.1在SWE-bench測試中獲得52%至54.6%分數，雖略低於Gemini 2.5 Pro（63.8%）與Claude 3.7（62.3%），但在前端開發、格式一致性與工具使用表現優異。

值得一提的是，OpenAI坦承在內部測試中發現，當輸入Token達百萬時，模型準確度由84%降至50%；此外，GPT-4.1對指令解析更偏向字面，需提供更明確提示。

與此同時，科技媒體《TechCrunch》報導，Google正積極拓展AI多模態能力。DeepMind執行長哈薩比斯（Demis Hassabis）近期表示，Google正整合語言模型Gemini與影片生成模型Veo，打造能理解現實物理法則的「全感知AI助理」。Veo 2已透過大量YouTube影片訓練，具備學習時序邏輯與動態場景的能力。

儘管Google強調訓練行為符合服務條款與創作者合約，但外界仍憂心使用者授權與內容所有權爭議。據悉，Google去年已修改條款，擴大可用於AI訓練的資料範圍，未來可能面臨歐盟與英國等地更嚴格的數據監管。

目前生成式AI戰場正邁入「any-to-any」生態，包括OpenAI整合語音、圖像與文字，Google主攻多模態助理，亞馬遜則計劃年底推出跨模態模型，整合Echo語音與AWS雲端服務。

專家指出，隨著AI模型進化為可同時「理解與創作」多種媒體形式的全感知架構，應用將橫跨劇情影片、教學動畫、互動簡報等高附加價值場景；不過，訓練全模態模型需要龐大的數據量與運算資源。

Google擁有YouTube這類原始資源，使其在影像與音訊資料訓練上具備天然優勢，但同時也引發對使用者授權、內容所有權與創作者權益的高度爭議。