OpenAI

Oo4 MiniAPI

OpenAI o4-mini est un modèle de raisonnement compact de la série o, optimisé pour des performances rapides et économiques tout en conservant de fortes capacités multimodales et agentiques.

Fenêtre de contexte
200K
tokens
Prix d'entrée
$1.1
par M tokens
Prix de sortie
$4.4
par M tokens
Fournisseur
OpenAI

Les prix se mettent à jour automatiquement — vérifiés toutes les heures par rapport aux prix de la liste des fournisseurs.

Voir les alternatives open-source → Comparer tous les prix des modèles

Benchmarks & performance

Scores de benchmark indépendants pour o4 Mini, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est. Mode de mesure : high.

Intelligence index25.6
Math index90.7
GPQA78.4%
MMLU-Pro83.2%
Humanity's Last Exam17.5%
Long Context Reasoning55%
LiveCodeBench85.9%
SciCode46.5%
MATH-50098.9%
AIME94%
AIME 202590.7%
IFBench68.7%
τ²-Bench55.6%
Terminal-Bench Hard15.2%
💰 Blended price$1.925 / 1M tokens
📈 Value13.3 intelligence points per $
Données de benchmark par Artificial Analysis

À propos de ce modèle

o4 Mini est un modèle d'IA commercial par OpenAI. Les spécifications ci-dessous sont suivies automatiquement : les prix sont actualisés toutes les heures à partir des prix de la liste publique, donc les chiffres sur cette page reflètent le coût actuel d'utilisation du modèle via son API.

Questions fréquemment posées

Qu'est-ce que o4 Mini ?

o4 Mini est un modèle de langage IA de OpenAI. C'est un modèle propriétaire, disponible via une API. Il obtient un score de 25.6 sur l'indice d'intelligence d'Artificial Analysis.

o4 Mini est-il gratuit ?

o4 Mini n'est pas gratuit : il coûte 1,1 $ par million de tokens d'entrée et 4,4 $ par million de tokens de sortie. Des alternatives à poids ouvert peuvent être auto-hébergées sans coût par token.

À quoi sert o4 Mini ?

Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 78.4%, MMLU-Pro 83.2%, Humanity's Last Exam 17.5%, Long Context Reasoning 55%, LiveCodeBench 85.9%, SciCode 46.5%, MATH-500 98.9%, AIME 94%, AIME 2025 90.7%, IFBench 68.7%, τ²-Bench 55.6%, Terminal-Bench Hard 15.2%. Il est particulièrement utilisé pour raisonnement mathématique.

Modèles associés

o1-proOpenAIGPT-5.5 ProOpenAIGPT-5.4 ProOpenAIGPT-5.2 ProOpenAIGPT-5 ProOpenAIo3 ProOpenAI