GPT-5 mini
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
- 综合 Index57
- 推理54
- 编程47
- 智能体与工具56
- 数学79
- 知识40
- 指令遵循69
- 多模态64
嵌入这个排名
更多徽章样式[](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。
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 Minixhigh | 2026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 minihigh | 2025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 |
|---|---|---|---|---|---|---|
| minimal | 43.8 | #479 | 81 tok/s | 2.18 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/s | 3.54 s | $0.0007 | 数学 35 · 推理 33 |
| medium | 53.6 | #254 | 86 tok/s | 9.59 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 |
| high | 54.6 | #227 | 96 tok/s | 43 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/s | 3.54 s | $0.0007 | 指令遵循 55 |
| 未说明最佳 | 56.6 | #176 | 70 tok/s | 3.54 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- 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 | minimal | medium | high | 来源 | 趋势 |
|---|---|---|---|---|---|
| AA Openness Index不计入 Index | 5.6#307 | 5.6#307 | 5.6#307 | Artificial Analysis |
推理
编程
| 基准测试 | minimal | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SWE-bench Verified (Epoch) | – | 64.7%#27 | – | – | Epoch AI Benchmarking Hub | |
| SciCode | – | – | 39.0%#187 | 39.2%#185 | SciCode | |
| 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%#28 | SWE-bench | |
| SWE-bench Multilingual (bash only)不计入 Index推理强度未说明 | – | – | – | 39.7%#13 | SWE-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#135 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 54.5%#126 | 69.2%#73 | 83.8%#18 | – | Artificial Analysis |
智能体与工具
| 基准测试 | minimal | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Terminal-Bench | – | 31.9%#71 | – | 34.8%#68 | Terminal-Bench | |
| Terminal-Bench Hard | 14.4%#201 | 28.8%#120 | 33.3%#93 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 31.9%#254 | 71.0%#155 | 68.4%#162 | – | Artificial Analysis | |
| BFCL Overall推理强度未说明 | – | – | – | 55.5%#15 | Berkeley 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#72 | Andon 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 | minimal | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 6.0%#114 | 18.3%#100 | – | 46.7%#59 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | – | 12.2%#66 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 55.6%#186 | – | 78.3%#132 | 86.7%#97 | – | Epoch AI Benchmarking Hub | |
| MATH Level 5 | – | – | 96.8%#8 | 97.8%#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%#1 | HELM Capabilities | |
| MATH 500不计入 Index | – | – | – | 94.8%#6 | – | Vals AI | |
| Arena Maths | – | – | – | 1407#144 | – | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 46.7%#139 | – | 85.0%#44 | 90.7%#23 | – | Artificial Analysis |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 21.6%#83 | – | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 82.2%#76 | – | Vals AI | |
| LegalBench | 81.8%#80 | – | Vals AI | |
| CorpFin | 60.2%#70 | – | Vals AI | |
| TaxEval | 75.2%#22 | – | Vals AI | |
| MedQA | 96.1%#6 | – | Vals AI | |
| MultiNRC推理强度未说明可能存在污染 | – | 23.9%#31 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | 83.5%#12 | HELM Capabilities | |
| CaseLaw v2不计入 Index | 68.5%#4 | – | Vals AI | |
| MedCode不计入 Index | 43.0%#46 | – | Vals AI | |
| MedScribe不计入 Index | 80.6%#54 | – | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 87.4%#27 | – | Artificial Analysis |
指令遵循
| 基准测试 | minimal | medium | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| IFBench | 45.6%#205 | 71.2%#60 | 75.4%#31 | – | – | Artificial Analysis | |
| MultiChallenge | – | – | – | 59.0%#17 | – | Scale AI SEAL | |
| IFEval (HELM)推理强度未说明 | – | – | – | – | 92.7%#6 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | – | – | 85.5%#8 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | – | – | 1372#179 | – | – | Arena (LMArena) |
人类偏好
| 基准测试 | medium | high | 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#83 | EQ-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 Index | 83.1%#8 | – | – | Lech Mazur |
多模态
| 基准测试 | minimal | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1203#91 | – | Arena (LMArena) | |
| MMMU-Pro | 58.4%#232 | 68.8%#174 | 70.1%#161 | – | Artificial Analysis | |
| VISTA推理强度未说明 | – | – | – | 50.4%#9 | Scale 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%#15 | 39.0%#19 | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | minimal | medium | high | 来源 | 趋势 |
|---|---|---|---|---|---|
| Fiction.LiveBench 120k | – | 62.5%#13 | – | Fiction.live | |
| AA-LCR v1.1 | 39.3%#386 | 72.3%#205 | 72.3%#205 | Artificial Analysis | |
| MLCR不计入 Index | – | – | 8.9%#133 | Artificial Analysis |
综合
| 基准测试 | minimal | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 146.1#87 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 9.9#396 | 20.6#236 | 16.8#278 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 201.6#409 | 248.1#269 | 251.2#258 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | – | 81.9%#1 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 17.0%#29 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 82.6%#20 | Scale 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 |
|---|---|---|---|---|---|---|
| Azure | 119 tok/s | 2.20 s | $0.275 | $2.20 | 400k | – |
| Azure | 104 tok/s | 3.39 s | $0.250 | $2.00 | 400k | – |
| OpenAI | 72 tok/s | 3.22 s | $0.250 | $2.00 | 400k | – |
| OpenAI | 57 tok/s | 3.28 s | $0.125 | $1.00 | 400k | – |
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 | $0.0006 | 7.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0042 | $0.0022 | 12.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0045 | $0.0035 | 25.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | $0.013 | 1.0 min |
| 结构化信息提取 | 2,000 / 200 | $0.0009 | $0.0006 | 6.4 s |
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。
[](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}
}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。