BenchLeader

GPT-5 mini

推理强度
质量第 85 / 339 名
56.6Index
前四分之一
较中位数 +6.4
价格第 112 / 255 名
$0.688每百万 token
比多数便宜
中位数的 0.8 倍
速度第 132 / 216 名
70token/秒
低于中位数
中位数的 0.9 倍
性价比第 101 / 255 名
82.3分/$
高于中位数
中位数的 1.5 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 80%。

有 9 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 6 个。

截至 2026年11月16日,GPT-5 mini(OpenAI)在 BenchLeader Index 上得分 56.6(共 608 个已排名配置)。表现最好的是数学(79),最弱的是知识(40)。API 价格为输入每百万 token $0.250、输出每百万 token $2.00(按 3:1 混合为 $0.688),为 2026年11月16日的标价。输出速度约为 70 token/秒(OpenRouter)。发布于 2025年8月7日。

要点(截至 2026年11月16日)

  • GPT-5 mini 的 API 价格为输入每百万 token $0.250、输出每百万 token $2.00(按 3:1 混合为 $0.688)(标价,2026年11月16日)。
  • GPT-5 mini 的输出速度约为 70 token/秒(OpenRouter,2026年11月16日)。
  • GPT-5 mini 于 2025年8月7日发布(OpenAI)。

详细说明:GPT-5 mini 是 OpenAI 的闭源推理模型,发布于 2025年8月7日。其最佳配置在 BenchLeader Index 上得分 56.6 ±7.5,在 608 个配置中排第 176 名,处于上半区。关键在于这个“±”:另有 348 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,数学得分最高(79),知识最低(40)。按混合价格计,每百万 token $0.688,价格居中。输出速度为 70 token/秒,首 token 延迟 3.5 秒,比大多数模型慢。它已在 6 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2月17日。数据较旧:六个月内没有新结果

混合价格
$0.688/M
输入 $0.250 · 输出 $2.00
来源:models.dev
输出速度
70 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
3.54 s
上下文
400k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年8月7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 Index57
  2. 推理54
  3. 编程47
  4. 智能体与工具56
  5. 数学79
  6. 知识40
  7. 指令遵循69
  8. 多模态64

嵌入这个排名

更多徽章样式
[![GPT-5 mini on BenchLeader: 综合第 85 名](https://www.benchleader.com/badge/gpt-5-mini.svg?style=compact)](https://www.benchleader.com/models/gpt-5-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

版本

OpenAI 以这个名称发布过 3 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
GPT-5.4 Minixhigh2026年3月17日55.1#220
GPT-5 mini本页2025年8月7日56.6#176
GPT-4.1 minihigh2025年4月14日46.3#434

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
minimal43.8#47981 tok/s2.18 s$0.0007智能体与工具 46 · 指令遵循 48 · 长上下文 43 · 数学 35 · 多模态 40 · 推理 38
low––70 tok/s3.54 s$0.0007数学 35 · 推理 33
medium53.6#25486 tok/s9.59 s$0.0007智能体与工具 49 · 编程 49 · 指令遵循 70 · 长上下文 57 · 数学 63 · 多模态 51 · 推理 42
high54.6#22796 tok/s43 s$0.0007智能体与工具 50 · 编程 54 · 人类偏好 56 · 指令遵循 74 · 知识 50 · 长上下文 61 · 数学 52 · 多模态 52 · 推理 46
thinking––70 tok/s3.54 s$0.0007指令遵循 55
未说明最佳56.6#17670 tok/s3.54 s$0.0007智能体与工具 56 · 编程 47 · 指令遵循 69 · 知识 40 · 数学 79 · 多模态 64 · 推理 54

Index 走势

2026年9月8日 至 2026年11月16日
355166
  • 默认
  • high
  • medium
  • minimal

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。

元数据

基准测试minimalmediumhigh来源趋势
AA Openness Index不计入 Index5.6#3075.6#3075.6#307Artificial Analysis

推理

基准测试minimallowmediumhigh默认来源趋势
GPQA Diamond71.7%#175–71.7%#17875.0%#163–Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––––19.4%#22Scale AI / CAIS
Arena Hard Prompts–––1404#177–Arena (LMArena)
GPQA Diamond (AA)不计入 Index68.7%#316–80.3%#19582.8%#169–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index5.0%#473–15.9%#26321.5%#225–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–––80.3%#67–Vals AI
Kagi LLM Benchmark推理强度未说明––––70.3%#26Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明––––75.6%#3HELM Capabilities
ARC-AGI-15.3%#25526.3%#22037.3%#20654.3%#182–ARC Prize
ARC-AGI-21.7%#2180.8%#2394.0%#1934.4%#191–ARC Prize
CritPt不计入 Index0.0%#337–1.4%#2300.0%#337–Artificial Analysis
Arena Expert不计入 Index–––1403#169–Arena (LMArena)
Chess Puzzles不计入 Index0.0%#15616.0%#115–24.0%#86–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index10.0%#117–4.0%#1425.0%#137–Epoch AI Benchmarking Hub
LMCA不计入 Index–––34.2%#135–Epoch AI Benchmarking Hub
DTBench不计入 Index–––80.5%#136–Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––––63.0%#48ForecastBench

编程

基准测试minimalmediumhigh默认来源趋势
SWE-bench Verified (Epoch)–64.7%#27––Epoch AI Benchmarking Hub
SciCode––39.0%#18739.2%#185SciCode
WeirdML––52.7%#63–WeirdML
Arena Coding––1432#178–Arena (LMArena)
SciCode (AA)不计入 Index––39.0%#198–Artificial Analysis
LiveCodeBench––86.6%#20–Vals AI
SWE-bench (Vals)不计入 Index––60.8%#75–Vals AI
SWE-bench Verified (bash only)–59.8%#25–56.2%#28SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明–––39.7%#13SWE-bench
SWE-bench Verified (any scaffold)不计入 Index–59.8%#32––SWE-bench
Vibe Code Bench v1.1不计入 Index––14.2%#100–Vals AI
ALE-Bench不计入 Index––799.8#85–Epoch AI Benchmarking Hub
AlgoTune不计入 Index––1.4#15–AlgoTune
Terminal-Bench 4.0 (AA)不计入 Index––0.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index––3.8%#217–Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–––1117#135Design Arena
LiveCodeBench (AA)不计入 Index54.5%#12669.2%#7383.8%#18–Artificial Analysis

智能体与工具

基准测试minimalmediumhigh默认来源趋势
Terminal-Bench–31.9%#71–34.8%#68Terminal-Bench
Terminal-Bench Hard14.4%#20128.8%#12033.3%#93–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index31.9%#25471.0%#15568.4%#162–Artificial Analysis
BFCL Overall推理强度未说明–––55.5%#15Berkeley Function Calling Leaderboard
GDPval-AA v2.1不计入 Index––773#213–Artificial Analysis
τ³-Banking (AA)––15.5%#119–Artificial Analysis
Terminal-Bench 2.0 (Vals)不计入 Index––27.0%#49–Vals AI
Vending-Bench 2不计入 Index推理强度未说明–––-31.2#72Andon Labs
AutomationBench不计入 Index––6.5%#193–Artificial Analysis
GDP.pdf (AA)不计入 Index––8.4%#174–Artificial Analysis
AA-Briefcase v1.1不计入 Index––430#222–Artificial Analysis

数学

基准测试minimallowmediumhigh默认来源趋势
FrontierMath Tiers 1–36.0%#11418.3%#100–46.7%#59–Epoch AI Benchmarking Hub
FrontierMath Tier 4–––12.2%#66–Epoch AI Benchmarking Hub
OTIS Mock AIME55.6%#186–78.3%#13286.7%#97–Epoch AI Benchmarking Hub
MATH Level 5––96.8%#897.8%#3–Epoch AI Benchmarking Hub
ProofBench–––9.0%#71–Vals AI
AIME (Vals)–––91.5%#24–Vals AI
MGSM–––92.6%#15–Vals AI
MathArena Apex–––1.0%#36–MathArena
Omni-MATH (HELM)推理强度未说明––––72.2%#1HELM Capabilities
MATH 500不计入 Index–––94.8%#6–Vals AI
Arena Maths–––1407#144–Arena (LMArena)
AIME 2025 (AA)不计入 Index46.7%#139–85.0%#4490.7%#23–Artificial Analysis

知识

基准测试high默认来源趋势
SimpleQA Verified21.6%#83–Epoch AI Benchmarking Hub
MMLU-Pro82.2%#76–Vals AI
LegalBench81.8%#80–Vals AI
CorpFin60.2%#70–Vals AI
TaxEval75.2%#22–Vals AI
MedQA96.1%#6–Vals AI
MultiNRC推理强度未说明可能存在污染–23.9%#31Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–83.5%#12HELM Capabilities
CaseLaw v2不计入 Index68.5%#4–Vals AI
MedCode不计入 Index43.0%#46–Vals AI
MedScribe不计入 Index80.6%#54–Vals AI
Global-MMLU-Lite (AA)不计入 Index87.4%#27–Artificial Analysis

指令遵循

基准测试minimalmediumhighthinking默认来源趋势
IFBench45.6%#20571.2%#6075.4%#31––Artificial Analysis
MultiChallenge–––59.0%#17–Scale AI SEAL
IFEval (HELM)推理强度未说明––––92.7%#6HELM Capabilities
WildBench (HELM)推理强度未说明––––85.5%#8HELM Capabilities
Arena Instruction Following不计入 Index––1372#179––Arena (LMArena)

人类偏好

基准测试mediumhigh默认来源趋势
Arena Text–1390#171–Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明––1314#83EQ-Bench
Arena Creative Writing不计入 Index–1323#201–Arena (LMArena)
Arena Multi-turn不计入 Index–1373#186–Arena (LMArena)
Arena Longer Queries不计入 Index–1371#193–Arena (LMArena)
Lech Mazur Creative Writing不计入 Index83.1%#8––Lech Mazur

多模态

基准测试minimalmediumhigh默认来源趋势
Arena Vision––1203#91–Arena (LMArena)
MMMU-Pro58.4%#23268.8%#17470.1%#161–Artificial Analysis
VISTA推理强度未说明–––50.4%#9Scale AI SEAL
MMMU-Pro (Vals)不计入 Index––78.9%#49–Vals AI
MortgageTax不计入 Index––66.9%#29–Vals AI
VPCT不计入 Index–40.2%#1539.0%#19–Epoch AI Benchmarking Hub

长上下文

基准测试minimalmediumhigh来源趋势
Fiction.LiveBench 120k–62.5%#13–Fiction.live
AA-LCR v1.139.3%#38672.3%#20572.3%#205Artificial Analysis
MLCR不计入 Index––8.9%#133Artificial Analysis

综合

基准测试minimalmediumhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–––146.1#87Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index9.9#39620.6#23616.8#278–Artificial Analysis
AA Progress Index v1不计入 Index201.6#409248.1#269251.2#258–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明–––81.9%#1HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index17.0%#29Scale AI SEAL
MASK不计入 Index可能存在污染82.6%#20Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

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
Azure119 tok/s2.20 s$0.275$2.20400k–
Azure104 tok/s3.39 s$0.250$2.00400k–
OpenAI72 tok/s3.22 s$0.250$2.00400k–
OpenAI57 tok/s3.28 s$0.125$1.00400k–

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 $0.025。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$0.0007$0.00067.8 s
总结一份 30 页的报告12,000 / 600$0.0042$0.002212.1 s
代码编辑6,000 / 1,500$0.0045$0.003525.0 s
智能体编程会话60,000 / 4,000$0.023$0.0131.0 min
结构化信息提取2,000 / 200$0.0009$0.00066.4 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-5 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-5 mini on BenchLeader: 综合第 85 名](https://www.benchleader.com/badge/gpt-5-mini.svg)](https://www.benchleader.com/models/gpt-5-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-5 mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-mini

BibTeX:

@misc{benchleader_gpt_5_mini_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5 mini on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-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-5 mini 的基准测试得分是多少?
截至 2026年11月16日,GPT-5 mini 的 BenchLeader Index 为 56.6 ±7.5。最强的是数学(79),最弱的是知识(40)。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-5 mini 排名第几?
截至 2026年11月16日,GPT-5 mini 在 608 个已排名配置中排第 176 名。另有 348 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-5 mini 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5 mini 的价格为输入每百万 token $0.250、输出每百万 token $2.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.688。
GPT-5 mini 是什么时候发布的?
OpenAI 于 2025年8月7日发布了 GPT-5 mini。BenchLeader 收录了它在 6 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-5 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-5-mini。