GPT-4.1 Mini

使用模型 ID gpt-4.1-mini 通过 OpenAI 兼容的聊天补全 API。请查看最新的 API 文档，了解确切的 API 路径和任何必需的标头。

将 gpt-4.1-mini 的 max_tokens 设置为任务实际需要的最长响应长度，而不是 32,768 的 Token 上限。严格控制上限可以降低最坏情况下的开销并缩短尾延迟。仅当任务明显需要更长的输出时才提高此值。

对于标准输入，在 gpt-4.1-mini 上启用提示缓存后，缓存的输入数据会存储在 $0.10／100 万 Token 而不是 $0.40／100 万 Token。这种节省仅适用于缓存的前缀部分；请求的其余部分仍按正常方式计费。

gpt-4.1-mini 单次请求最多输出 32,768 个 token，context window 为 1,047,576。用 max_tokens 设上限，避免单次调用超出预算。

GPT-4.1 Mini 按使用量计费，且记录中未公布任何免费额度。当前公布的费率为：输入 $0.4000 / 1M 个 token，输出 $0.8000 / 1M 个 token。试用额度或促销配额与您的帐户绑定，而非与模型绑定，因此在规划免费额度之前，请务必查看控制台。

对 gpt-4.1-mini 的缓存命中要求所有请求的提示符前缀必须相同。请将稳定的指令和参考资料放在提示符的开头，保持字节一致，并将可变部分放在后面。这样，缓存读取操作将按缓存速率计费，而不是按输入速率计费。

gpt-4.1-mini rate limit 因您的 MixRoute 订阅计划而异。请在控制台中查看您的计划详情，了解每分钟请求数 (RPM) 和每分钟 Token 数 (TPM) 的限制。在正式上线前运行一次小规模负载测试，以确认您的有效配额。