BenchLeader

GPT-4o mini

推理强度
质量第 321 / 339 名
35.2Index
后四分之一
较中位数 −15.0
价格第 55 / 255 名
$0.262每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 155 / 216 名
59token/秒
低于中位数
中位数的 0.7 倍
性价比第 68 / 255 名
134.4分/$
高于中位数
中位数的 2.4 倍

性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,便宜 85%。

有 48 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138),另有 45 个。

截至 2026年11月16日,GPT-4o mini(OpenAI)在 BenchLeader Index 上得分 35.2(共 608 个已排名配置)。表现最好的是人类偏好(47),最弱的是知识(23)。API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262),为 2026年11月16日的标价。输出速度约为 59 token/秒(Artificial Analysis)。发布于 2024年7月18日。

要点(截至 2026年11月16日)

  • GPT-4o mini 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262)(标价,2026年11月16日)。
  • GPT-4o mini 的输出速度约为 59 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-4o mini 于 2024年7月18日发布(OpenAI)。

详细说明:GPT-4o mini 是 OpenAI 的闭源模型,发布于 2024年7月18日。其最佳配置在 BenchLeader Index 上得分 35.2 ±4.3,在 608 个配置中排第 588 名,处于下半区。关键在于这个“±”:另有 87 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(47),知识最低(23)。按混合价格计,每百万 token $0.262,比大多数已排名模型便宜。输出速度为 59 token/秒,首次回答需 2.3 秒,比大多数模型慢。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$0.262/M
输入 $0.150 · 输出 $0.600
来源:Artificial Analysis
输出速度
59 tok/s
由 Artificial Analysis 测量
首次回答
2.31 s
首 token 0.60 s
上下文
128k
来源:models.dev
完整回答
24 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2024年7月18日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index35
  2. 推理30
  3. 编程28
  4. 智能体与工具30
  5. 数学37
  6. 知识23
  7. 指令遵循42
  8. 人类偏好47
  9. 多模态29

嵌入这个排名

更多徽章样式
[![GPT-4o mini on BenchLeader: 综合第 313 名](https://www.benchleader.com/badge/gpt-4o-mini.svg?style=compact)](https://www.benchleader.com/models/gpt-4o-mini)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
high33.5#59659 tok/s2.31 s$0.0002编程 15 · 知识 29 · 数学 35
未说明最佳35.2#58859 tok/s2.31 s$0.0002智能体与工具 30 · 编程 28 · 人类偏好 47 · 指令遵循 42 · 知识 23 · 数学 37 · 多模态 29 · 推理 30

Index 走势

2026年9月8日 至 2026年11月16日
283441
  • 默认
  • high

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试high默认来源趋势
GPQA Diamond推理强度未说明–37.7%#267Epoch AI Benchmarking Hub
SimpleBench推理强度未说明–10.7%#111SimpleBench
Arena Hard Prompts推理强度未说明–1311#262Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–42.6%#473Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–4.2%#549Artificial Analysis
GPQA Diamond (Vals)不计入 Index44.2%#125–Vals AI
Kagi LLM Benchmark推理强度未说明–28.8%#126Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明–36.8%#53HELM Capabilities
ARC-AGI-2推理强度未说明–0.0%#251ARC Prize
Arena Expert不计入 Index推理强度未说明–1285#263Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明–3.0%#148Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index推理强度未说明–12.0%#108Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–10.4%#186Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–54.4%#207Epoch AI Benchmarking Hub
PIQA不计入 Index推理强度未说明–88.7%#1Epoch AI Benchmarking Hub

编程

基准测试high默认来源趋势
WeirdML推理强度未说明–11.8%#151WeirdML
Arena Coding推理强度未说明–1348#256Arena (LMArena)
LiveCodeBench26.4%#136–Vals AI
Aider Polyglot推理强度未说明–3.6%#62Aider polyglot leaderboard
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–5.6%#207Artificial Analysis
LiveCodeBench (AA)不计入 Index推理强度未说明–23.4%#232Artificial Analysis

智能体与工具

基准测试默认来源趋势
GDPval-AA v2.1不计入 Index-15#289Artificial Analysis
τ³-Banking (AA)2.9%#203Artificial Analysis
BALROG不计入 Index17.4%#27BALROG
BrowseComp不计入 Index0.6%#25OpenAI

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–3推理强度未说明–0.7%#120Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–6.9%#251Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明–52.6%#53Epoch AI Benchmarking Hub
AIME (Vals)11.5%#86–Vals AI
MGSM86.2%#62–Vals AI
Omni-MATH (HELM)推理强度未说明–28.0%#48HELM Capabilities
MATH 500不计入 Index72.6%#47–Vals AI
Arena Maths推理强度未说明–1275#257Arena (LMArena)
GSM8K不计入 Index推理强度未说明–91.3%#5Epoch AI Benchmarking Hub
AIME 2025 (AA)不计入 Index推理强度未说明–14.7%#209Artificial Analysis

知识

基准测试high默认来源趋势
SimpleQA Verified推理强度未说明–8.3%#98Epoch AI Benchmarking Hub
MMLU-Pro62.7%#129–Vals AI
CorpFin45.5%#113–Vals AI
TaxEval60.5%#124–Vals AI
MedQA72.4%#79–Vals AI
MMLU-Pro (HELM)不计入 Index推理强度未说明–60.3%#47HELM Capabilities
MMLU不计入 Index推理强度未说明–81.8%#16Epoch AI Benchmarking Hub

指令遵循

人类偏好

基准测试默认来源趋势
Arena Text1318#248Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index871#109EQ-Bench
Arena Creative Writing不计入 Index1294#232Arena (LMArena)
Arena Multi-turn不计入 Index1311#246Arena (LMArena)
Arena Longer Queries不计入 Index1326#239Arena (LMArena)
Lech Mazur Creative Writing不计入 Index67.2%#36Lech Mazur

多模态

基准测试high默认来源趋势
Arena Vision推理强度未说明–1066#132Arena (LMArena)
MMMU-Pro推理强度未说明–41.5%#278Artificial Analysis
MMMU-Pro (official)不计入 Index推理强度未说明–37.6%#5MMMU
MMMU-Pro (Vals)不计入 Index56.6%#86–Vals AI
MortgageTax不计入 Index54.5%#76–Vals AI
GeoBench不计入 Index推理强度未说明–64.0%#27GeoBench
VPCT不计入 Index推理强度未说明–34.0%#27Epoch AI Benchmarking Hub
Video-MME不计入 Index推理强度未说明–64.8%#17Video-MME

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index123.9#160Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index6.7#526Artificial Analysis
AA Progress Index v1不计入 Index154.8#552Artificial Analysis
HELM Capabilities mean不计入 Index56.5%#51HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index48.1%#67Scale AI SEAL

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Azure96 tok/s0.60 s$0.165$0.660128k–
Azure88 tok/s0.96 s$0.150$0.600128k–
OpenAI56 tok/s0.56 s$0.150$0.600128k–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.075。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0002$0.00027.4 s
总结一份 30 页的报告12,000 / 600$0.0022$0.001512.4 s
代码编辑6,000 / 1,500$0.0018$0.001527.6 s
智能体编程会话60,000 / 4,000$0.011$0.00801.2 min
结构化信息提取2,000 / 200$0.0004$0.00035.7 s

OpenAI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-4o mini 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![GPT-4o mini on BenchLeader: 综合第 313 名](https://www.benchleader.com/badge/gpt-4o-mini.svg)](https://www.benchleader.com/models/gpt-4o-mini)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). GPT-4o mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-4o-mini

BibTeX:

@misc{benchleader_gpt_4o_mini_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-4o mini on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-4o-mini}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GPT-4o mini 的基准测试得分是多少?
截至 2026年11月16日,GPT-4o mini 的 BenchLeader Index 为 35.2 ±4.3。最强的是人类偏好(47),最弱的是知识(23)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
GPT-4o mini 排名第几?
截至 2026年11月16日,GPT-4o mini 在 608 个已排名配置中排第 588 名。另有 87 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
GPT-4o mini 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-4o mini 的价格为输入每百万 token $0.150、输出每百万 token $0.600,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.262。
GPT-4o mini 是什么时候发布的?
OpenAI 于 2024年7月18日发布了 GPT-4o mini。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《GPT-4o mini:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-4o-mini。