BenchLeader

o4-mini

推論エフォート
品質339中106位
55.2Index
中央値より上
中央値比 +5.0
価格255中170位
$1.93100万トークンあたり
多くのモデルより高い
中央値の2.3倍
コスパ255中175位
28.7ポイント/$
中央値より下
中央値の0.5倍

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
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index55
  2. 推論59
  3. コーディング47
  4. エージェント・ツール64
  5. 数学69
  6. 知識37
  7. 指示追従69
  8. 人間の評価56
  9. 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
[![o4-mini on BenchLeader: 総合 106位](https://www.benchleader.com/badge/o4-mini.svg?style=compact)](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。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

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
low41.4#514––$0.0018知識 32 · 数学 39 · 推論 41
medium51.7#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
high51.2#317117 tok/s17 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
355064
  • 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

ベンチマークlowmediumhigh標準出典推移
GPQA Diamond75.3%#16277.8%#14679.6%#139–Epoch AI Benchmarking Hub
Humanity's Last Exam–14.3%#2618.1%#25–Scale AI / CAIS
SimpleBench––38.7%#81–SimpleBench
Arena Hard Promptsエフォート未記載–––1406#176Arena (LMArena)
GPQA Diamond (AA)Index対象外––78.4%#213–Artificial Analysis
Humanity's Last Exam (AA)Index対象外––16.5%#260–Artificial Analysis
GPQA Diamond (Vals)Index対象外––74.5%#81–Vals AI
Kagi LLM Benchmarkエフォート未記載–––67.6%#32Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–––73.5%#6HELM Capabilities
ARC-AGI-121.3%#22741.8%#19758.7%#170–ARC Prize
ARC-AGI-21.7%#2182.4%#2076.1%#179–ARC Prize
CritPtIndex対象外––0.6%#274–Artificial Analysis
SciPredictIndex対象外エフォート未記載–––16.2%#14Scale AI SEAL
Arena ExpertIndex対象外エフォート未記載–––1407#164Arena (LMArena)
Chess PuzzlesIndex対象外15.0%#12022.0%#9113.0%#126–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外––5.0%#137–Epoch AI Benchmarking Hub
LMCAIndex対象外––26.5%#154–Epoch AI Benchmarking Hub
DTBenchIndex対象外––77.6%#149–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–––63.9%#35ForecastBench

コーディング

ベンチマークmediumhigh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#174Arena (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%#35SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––64.6%#23SWE-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#174Design 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mediumhigh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%#19Berkeley 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%#7OpenAI

数学

ベンチマークlowmediumhigh標準出典推移
FrontierMath Tiers 1–316.1%#10628.8%#8136.1%#70–Epoch AI Benchmarking Hub
FrontierMath Tier 4––4.9%#70–Epoch AI Benchmarking Hub
OTIS Mock AIME57.8%#17973.3%#14081.7%#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%#2HELM Capabilities
MATH 500Index対象外––94.2%#10–Vals AI
Arena Mathsエフォート未記載–––1418#128Arena (LMArena)
AIME 2025 (AA)Index対象外––90.7%#23–Artificial Analysis

知識

ベンチマークlowhigh標準出典推移
SimpleQA Verified19.6%#8618.8%#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%#31Scale AI SEAL
PRBench Legalエフォート未記載––38.1%#41Scale 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%#13HELM 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
IFBench68.7%#79–Artificial Analysis
MultiChallenge44.9%#33–Scale AI SEAL
IFEval (HELM)エフォート未記載–92.9%#5HELM Capabilities
WildBench (HELM)エフォート未記載–85.4%#9HELM Capabilities
Arena Instruction FollowingIndex対象外エフォート未記載–1368#182Arena (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#169Arena (LMArena)
Arena Creative WritingIndex対象外エフォート未記載–1337#187Arena (LMArena)
Arena Multi-turnIndex対象外エフォート未記載–1383#180Arena (LMArena)
Arena Longer QueriesIndex対象外エフォート未記載–1369#197Arena (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mediumhigh標準出典推移
Arena Visionエフォート未記載––1194#96Arena (LMArena)
MMMU-Pro–69.3%#166–Artificial Analysis
VISTA51.7%#551.8%#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%#10Scale AI SEAL
GeoBenchIndex対象外64.0%#2764.0%#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mediumhigh出典推移
Fiction.LiveBench 120k62.5%#13–Fiction.live
AA-LCR v1.1–61.0%#297Artificial 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#90Epoch 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%#2HELM Capabilities

安全性・誠実さ

ベンチマークmediumhigh標準出典推移
FORTRESSIndex対象外エフォート未記載––21.5%#42Scale AI SEAL
MASKIndex対象外汚染の可能性72.9%#2878.6%#27–Scale AI SEAL
PropensityBenchIndex対象外エフォート未記載––15.8%#3Scale 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–

OpenAIのほかのモデル

今月の新着

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。

[![o4-mini on BenchLeader: 総合 106位](https://www.benchleader.com/badge/o4-mini.svg)](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}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

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