o4-mini
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 14 分之一。
有 38 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 35 个。
截至 2026年11月16日,o4-mini(OpenAI)在 BenchLeader Index 上得分 55.2(共 608 个已排名配置)。表现最好的是数学(69),最弱的是知识(37)。API 价格为输入每百万 token $1.10、输出每百万 token $4.40(按 3:1 混合为 $1.93),为 2026年11月16日的标价。发布于 2025年4月16日。
要点(截至 2026年11月16日)
- o4-mini 的 API 价格为输入每百万 token $1.10、输出每百万 token $4.40(按 3:1 混合为 $1.93)(标价,2026年11月16日)。
- o4-mini 于 2025年4月16日发布(OpenAI)。
详细说明:o4-mini 是 OpenAI 的闭源推理模型,发布于 2025年4月16日。其最佳配置在 BenchLeader Index 上得分 55.2 ±6.5,在 608 个配置中排第 216 名,处于上半区。关键在于这个“±”:另有 337 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(69),知识最低(37)。按混合价格计,每百万 token $1.93,比大多数已排名模型贵。它已在 4 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
- $1.93/M
- 输入 $1.10 · 输出 $4.40
- 来源:models.dev
- 输出速度
- –
- 首次回答
- –
- 上下文
- 200k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年4月16日
- 综合 Index55
- 推理59
- 编程47
- 智能体与工具64
- 数学69
- 知识37
- 指令遵循69
- 人类偏好56
- 多模态51
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/o4-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。
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 |
|---|---|---|---|---|---|---|
| low | 41.4 | #514 | – | – | $0.0018 | 知识 32 · 数学 39 · 推理 41 |
| medium | 51.7 | #306 | – | – | $0.0018 | 长上下文 54 · 数学 45 · 多模态 66 · 推理 44 |
| high | 51.2 | #317 | 117 tok/s | 17 s | $0.0018 | 智能体与工具 43 · 编程 56 · 指令遵循 55 · 知识 47 · 长上下文 55 · 数学 51 · 多模态 59 · 推理 45 |
| 未说明最佳 | 55.2 | #216 | – | – | $0.0018 | 智能体与工具 64 · 编程 47 · 人类偏好 56 · 指令遵循 69 · 知识 37 · 数学 69 · 多模态 51 · 推理 59 |
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- medium
- high
- low
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
编程
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| WeirdML | – | 52.6%#64 | – | WeirdML | |
| GSO-Bench | – | 3.6%#31 | – | GSO-Bench | |
| Arena Coding推理强度未说明 | – | – | 1433#174 | Arena (LMArena) | |
| LiveCodeBench | – | 82.2%#54 | – | Vals AI | |
| Aider Polyglot | – | 72.0%#12 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | – | 45.0%#35 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | – | 64.6%#23 | SWE-bench | |
| CadEval不计入 Index | 62.0%#3 | – | – | Epoch AI Benchmarking Hub | |
| ALE-Bench不计入 Index | – | 826.2#81 | – | Epoch AI Benchmarking Hub | |
| AlgoTune不计入 Index | – | 1.7#6 | – | AlgoTune | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 977#174 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | – | 85.9%#12 | – | Artificial Analysis |
智能体与工具
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GDPval | – | 25.3%#8 | – | OpenAI | |
| Terminal-Bench Hard | – | 15.2%#197 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | – | 55.6%#188 | – | Artificial Analysis | |
| BFCL Overall推理强度未说明 | – | – | 53.2%#19 | Berkeley Function Calling Leaderboard | |
| METR Time Horizons不计入 Index | 63.9%#16 | – | – | METR | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 3.3%#7 | OpenAI |
数学
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| 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)推理强度未说明 | – | – | – | 72.0%#2 | HELM Capabilities | |
| MATH 500不计入 Index | – | – | 94.2%#10 | – | Vals AI | |
| Arena Maths推理强度未说明 | – | – | – | 1418#128 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | – | – | 90.7%#23 | – | Artificial Analysis |
知识
| 基准测试 | low | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| 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推理强度未说明 | – | – | 39.2%#31 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | – | 38.1%#41 | Scale AI SEAL | |
| MultiNRC | – | 22.2%#33 | – | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | – | 82.0%#13 | HELM Capabilities | |
| MedCode不计入 Index | – | 33.8%#81 | – | Vals AI | |
| MedScribe不计入 Index | – | 69.1%#94 | – | Vals AI |
指令遵循
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 68.7%#79 | – | Artificial Analysis | |
| MultiChallenge | 44.9%#33 | – | Scale AI SEAL | |
| IFEval (HELM)推理强度未说明 | – | 92.9%#5 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | 85.4%#9 | HELM Capabilities | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | 1368#182 | Arena (LMArena) |
人类偏好
| 基准测试 | medium | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text推理强度未说明 | – | 1391#169 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index推理强度未说明 | – | 1337#187 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index推理强度未说明 | – | 1383#180 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index推理强度未说明 | – | 1369#197 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 75.0%#27 | – | Lech Mazur |
多模态
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | – | 1194#96 | Arena (LMArena) | |
| MMMU-Pro | – | 69.3%#166 | – | Artificial Analysis | |
| VISTA | 51.7%#5 | 51.8%#4 | – | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | – | 79.7%#45 | – | Vals AI | |
| MortgageTax不计入 Index | – | 64.8%#44 | – | Vals AI | |
| VTB不计入 Index推理强度未说明 | – | – | 11.1%#10 | Scale AI SEAL | |
| GeoBench不计入 Index | 64.0%#27 | 64.0%#27 | – | GeoBench | |
| VPCT不计入 Index | 57.5%#8 | – | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | medium | high | 来源 | 趋势 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 62.5%#13 | – | Fiction.live | |
| AA-LCR v1.1 | – | 61.0%#297 | Artificial Analysis |
综合
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | 145.3#90 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 16.6#280 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 247.9#270 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | 81.2%#2 | HELM Capabilities |
安全与诚实
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| FORTRESS不计入 Index推理强度未说明 | – | – | 21.5%#42 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 72.9%#28 | 78.6%#27 | – | Scale AI SEAL | |
| PropensityBench不计入 Index推理强度未说明 | – | – | 15.8%#3 | 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。
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 $0.275。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 | $0.0018 | $0.0015 | – |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.016 | $0.0084 | – |
| 代码编辑 | 6,000 / 1,500 | $0.013 | $0.0095 | – |
| 智能体编程会话 | 60,000 / 4,000 | $0.084 | $0.046 | – |
| 结构化信息提取 | 2,000 / 200 | $0.0031 | $0.0018 | – |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 o4-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/o4-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). 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}
}常见问题
- o4-mini 的基准测试得分是多少?
- 截至 2026年11月16日,o4-mini 的 BenchLeader Index 为 55.2 ±6.5。最强的是数学(69),最弱的是知识(37)。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。
- o4-mini 排名第几?
- 截至 2026年11月16日,o4-mini 在 608 个已排名配置中排第 216 名。另有 337 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。
- o4-mini 每百万 token 的价格是多少?
- 截至 2026年11月16日,o4-mini 的价格为输入每百万 token $1.10、输出每百万 token $4.40,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.93。
- o4-mini 是什么时候发布的?
- OpenAI 于 2025年4月16日发布了 o4-mini。BenchLeader 收录了它在 4 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,《o4-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/o4-mini。