OpenAI 开放 o4-mini 强化微调：GPT-4.1 nano 也能微调了

想要专门做报税或者科研的专属 AI，光靠喂提示词往往不够用，以前传统的微调又很难教聪明模型怎么推理。

OpenAI 开发者团队宣布，从去年 12 月开始测试的强化微调功能正式上线，首发支持 OpenAI o4-mini。与此同时，他们速度最快、价格最便宜的轻量模型 GPT-4.1 nano 也开放了监督微调。

让推理模型学会专科考试

这次上线的强化微调简称 RFT。它不是简单地让模型记住标准答案，而是结合了思维链推理和特定任务的打分机制，专门用来啃复杂领域的硬骨头。

OpenAI 举了个例子，一家叫 AccordanceAI 的团队用 RFT 微调了专属于税务和会计的模型，直接做到了该领域的业界最佳水平。

如果你不需要复杂的推理逻辑，只是想要极快的响应速度，现在也可以用传统的监督微调来训练 GPT-4.1 nano，把它改造成贴合自己业务的廉价小钢炮。

为什么重要

我们认为，这次更新把模型定制分成了清晰的两条路。

一条路是把顶尖的推理能力做专。过去想让大模型做复杂的专业计算或合规审计，容易出现逻辑断裂，现在有了思维链加打分反馈，垂直领域的专业机构终于能训出真正靠谱的专家模型。

另一条路则是极致的性价比。GPT-4.1 nano 本身就主打极速和便宜，一旦允许企业喂入自有数据做微调，很多简单的分类、客服或格式提取场景，就完全没必要再去调用昂贵的大模型。

不过，强化微调的门槛显然比传统微调高得多。构建一套靠谱的针对性打分体系并不容易，普通中小团队想要用好 o4-mini 的 RFT，前期准备数据的成本可能不会低。