o4-mini
よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(14分の1の価格)。
より安価でスコアの高いランク付けモデルが38つあります:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50)ほか35つ。
2026年11月16日時点で、o4-mini(OpenAI)のBenchLeader Indexは55.2です(ランク付け対象は608構成)。最も強いのは数学(69)、最も弱いのは知識(37)です。API料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40(3:1のブレンドで$1.93)で、2026年11月16日時点の定価です。2025年4月16日にリリースされました。
要点(2026年11月16日時点)
- o4-miniのAPI料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40(3:1のブレンドで$1.93)です(定価、2026年11月16日)。
- o4-miniは2025年4月16日にリリースされました(OpenAI)。
詳しく見ると:o4-miniはOpenAIのプロプライエタリな推論モデルです(2025年4月16日リリース)。最もスコアの高い構成は、BenchLeader Indexで55.2 ±6.5を記録し、608構成中216位で上位半分に入ります。重要なのはこの「±」です。ほかに337構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(69)、知識が最も低くなっています(37)。ブレンド価格は100万トークンあたり$1.93で、ランク付けされたモデルの多くより高価です。4通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。
- ブレンド価格
- $1.93/M
- 入力$1.10・出力$4.40
- 出典:models.dev
- 出力速度
- –
- 回答開始
- –
- コンテキスト
- 200k
- 出典:models.dev
- タスクあたりコスト
- –
- タスクあたりトークン数
- –
- リリース日
- 2025年4月16日
- 総合Index55
- 推論59
- コーディング47
- エージェント・ツール64
- 数学69
- 知識37
- 指示追従69
- 人間の評価56
- マルチモーダル51
この順位を埋め込む
ほかのバッジスタイル[](https://www.benchleader.com/models/o4-mini)README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。
推論エフォート別の構成
同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。
| エフォート | Index | 順位 | 速度 | 回答開始 | チャット返答のコスト | カテゴリ |
|---|---|---|---|---|---|---|
| low | 41.4 | #514 | – | – | $0.0018 | 知識 32 · 数学 39 · 推論 41 |
| medium | 51.7 | #306 | – | – | $0.0018 | 長文コンテキスト 54 · 数学 45 · マルチモーダル 66 · 推論 44 |
| high | 51.2 | #317 | 117 tok/s | 17 s | $0.0018 | エージェント・ツール 43 · コーディング 56 · 指示追従 55 · 知識 47 · 長文コンテキスト 55 · 数学 51 · マルチモーダル 59 · 推論 45 |
| 未記載最良 | 55.2 | #216 | – | – | $0.0018 | エージェント・ツール 64 · コーディング 47 · 人間の評価 56 · 指示追従 69 · 知識 37 · 数学 69 · マルチモーダル 51 · 推論 59 |
Indexの推移
2026年9月8日〜2026年11月16日- 標準
- medium
- high
- low
Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。
ベンチマーク結果
LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。
推論
コーディング
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| WeirdML | – | 52.6%#64 | – | WeirdML | |
| GSO-Bench | – | 3.6%#31 | – | GSO-Bench | |
| Arena Codingエフォート未記載 | – | – | 1433#174 | Arena (LMArena) | |
| LiveCodeBench | – | 82.2%#54 | – | Vals AI | |
| Aider Polyglot | – | 72.0%#12 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)エフォート未記載 | – | – | 45.0%#35 | SWE-bench | |
| SWE-bench Verified (any scaffold)Index対象外エフォート未記載 | – | – | 64.6%#23 | SWE-bench | |
| CadEvalIndex対象外 | 62.0%#3 | – | – | Epoch AI Benchmarking Hub | |
| ALE-BenchIndex対象外 | – | 826.2#81 | – | Epoch AI Benchmarking Hub | |
| AlgoTuneIndex対象外 | – | 1.7#6 | – | AlgoTune | |
| Design Arena WebsiteIndex対象外エフォート未記載 | – | – | 977#174 | Design Arena | |
| LiveCodeBench (AA)Index対象外 | – | 85.9%#12 | – | Artificial Analysis |
エージェント・ツール
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| GDPval | – | 25.3%#8 | – | OpenAI | |
| Terminal-Bench Hard | – | 15.2%#197 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | – | 55.6%#188 | – | Artificial Analysis | |
| BFCL Overallエフォート未記載 | – | – | 53.2%#19 | Berkeley Function Calling Leaderboard | |
| METR Time HorizonsIndex対象外 | 63.9%#16 | – | – | METR | |
| BrowseCompIndex対象外エフォート未記載 | – | – | 3.3%#7 | OpenAI |
数学
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 16.1%#106 | 28.8%#81 | 36.1%#70 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | 4.9%#70 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 57.8%#179 | 73.3%#140 | 81.7%#123 | – | Epoch AI Benchmarking Hub | |
| MATH Level 5 | – | – | 97.8%#4 | – | Epoch AI Benchmarking Hub | |
| AIME (Vals) | – | – | 83.7%#41 | – | Vals AI | |
| MGSM | – | – | 93.4%#9 | – | Vals AI | |
| IMO 2025 | – | – | 14.3%#5 | – | MathArena | |
| Omni-MATH (HELM)エフォート未記載 | – | – | – | 72.0%#2 | HELM Capabilities | |
| MATH 500Index対象外 | – | – | 94.2%#10 | – | Vals AI | |
| Arena Mathsエフォート未記載 | – | – | – | 1418#128 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | – | – | 90.7%#23 | – | Artificial Analysis |
知識
| ベンチマーク | low | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| SimpleQA Verified | 19.6%#86 | 18.8%#88 | – | Epoch AI Benchmarking Hub | |
| MMLU-Pro | – | 80.6%#84 | – | Vals AI | |
| LegalBench | – | 79.2%#95 | – | Vals AI | |
| CorpFin | – | 59.0%#78 | – | Vals AI | |
| TaxEval | – | 74.8%#29 | – | Vals AI | |
| MedQA | – | 96.0%#9 | – | Vals AI | |
| PRBench Financeエフォート未記載 | – | – | 39.2%#31 | Scale AI SEAL | |
| PRBench Legalエフォート未記載 | – | – | 38.1%#41 | Scale AI SEAL | |
| MultiNRC | – | 22.2%#33 | – | Scale AI SEAL | |
| MMLU-Pro (HELM)Index対象外エフォート未記載 | – | – | 82.0%#13 | HELM Capabilities | |
| MedCodeIndex対象外 | – | 33.8%#81 | – | Vals AI | |
| MedScribeIndex対象外 | – | 69.1%#94 | – | Vals AI |
指示追従
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| IFBench | 68.7%#79 | – | Artificial Analysis | |
| MultiChallenge | 44.9%#33 | – | Scale AI SEAL | |
| IFEval (HELM)エフォート未記載 | – | 92.9%#5 | HELM Capabilities | |
| WildBench (HELM)エフォート未記載 | – | 85.4%#9 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外エフォート未記載 | – | 1368#182 | Arena (LMArena) |
人間の評価
| ベンチマーク | medium | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Textエフォート未記載 | – | 1391#169 | Arena (LMArena) | |
| Arena Creative WritingIndex対象外エフォート未記載 | – | 1337#187 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外エフォート未記載 | – | 1383#180 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外エフォート未記載 | – | 1369#197 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 75.0%#27 | – | Lech Mazur |
マルチモーダル
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| Arena Visionエフォート未記載 | – | – | 1194#96 | Arena (LMArena) | |
| MMMU-Pro | – | 69.3%#166 | – | Artificial Analysis | |
| VISTA | 51.7%#5 | 51.8%#4 | – | Scale AI SEAL | |
| MMMU-Pro (Vals)Index対象外 | – | 79.7%#45 | – | Vals AI | |
| MortgageTaxIndex対象外 | – | 64.8%#44 | – | Vals AI | |
| VTBIndex対象外エフォート未記載 | – | – | 11.1%#10 | Scale AI SEAL | |
| GeoBenchIndex対象外 | 64.0%#27 | 64.0%#27 | – | GeoBench | |
| VPCTIndex対象外 | 57.5%#8 | – | – | Epoch AI Benchmarking Hub |
長文コンテキスト
| ベンチマーク | medium | high | 出典 | 推移 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 62.5%#13 | – | Fiction.live | |
| AA-LCR v1.1 | – | 61.0%#297 | Artificial Analysis |
総合
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Epoch Capabilities IndexIndex対象外エフォート未記載 | – | 145.3#90 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 16.6#280 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 247.9#270 | – | Artificial Analysis | |
| HELM Capabilities meanIndex対象外エフォート未記載 | – | 81.2%#2 | HELM Capabilities |
安全性・誠実さ
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| FORTRESSIndex対象外エフォート未記載 | – | – | 21.5%#42 | Scale AI SEAL | |
| MASKIndex対象外汚染の可能性 | 72.9%#28 | 78.6%#27 | – | Scale AI SEAL | |
| PropensityBenchIndex対象外エフォート未記載 | – | – | 15.8%#3 | Scale AI SEAL |
強みのあるベンチマーク
測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。
タスクあたりのコスト
最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.275のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。
| ワークロード | 入力/出力トークン | コスト | キャッシュあり | 時間 |
|---|---|---|---|---|
| チャットの返答 | 400 / 300 | $0.0018 | $0.0015 | – |
| 30ページのレポートを要約 | 12,000 / 600 | $0.016 | $0.0084 | – |
| コード編集 | 6,000 / 1,500 | $0.013 | $0.0095 | – |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.084 | $0.046 | – |
| 構造化データの抽出 | 2,000 / 200 | $0.0031 | $0.0018 | – |
関連ページ
埋め込み・引用
o4-miniの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。
[](https://www.benchleader.com/models/o4-mini)このページを引用する
ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:
BenchLeader. (2026, November 16). o4-mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/o4-mini
BibTeX:
@misc{benchleader_o4_mini_20261116,
author = {{BenchLeader}},
title = {{o4-mini on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/o4-mini}},
note = {Data as of 2026-11-16}
}よくある質問
- o4-miniのベンチマークスコアは?
- 2026年11月16日時点で、o4-miniのBenchLeader Indexは55.2 ±6.5です。最も強いのは数学(69)、最も弱いのは知識(37)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
- o4-miniの順位は?
- 2026年11月16日時点で、o4-miniはランク付けされた608構成中216位です。ほかに337構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
- o4-miniの料金は100万トークンあたりいくらですか?
- 2026年11月16日時点で、o4-miniの料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40で、ブレンド価格(出力1トークンにつき入力3トークン)は$1.93です。
- o4-miniはいつリリースされましたか?
- OpenAIが2025年4月16日にo4-miniをリリースしました。BenchLeaderには4通りの推論エフォート設定での結果があります。
2026年11月16日時点のデータです。 これらの構成を比較
引用表記:BenchLeader「o4-mini:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/o4-mini