OpenAI o4-mini - OpenAI推出的小型推理模型

发布于 2025-04-17 · OpenAI o4-mini 是OpenAI推出的小型推理模型，专为快速、经济高效的推理而优化。OpenAI o4-mini 在数学、编程和视觉任务方面表现出色，是 AIME 2024 和 2025 基准测试中表现最佳的模型。OpenAI o4-mini 支持高容量、高吞吐量的推理任务，适合快速处理大量问题。

OpenAI o4-mini是什么

OpenAI o4-mini 是 OpenAI 推出的小型推理模型，为快速、省成本的推理做了优化。数学、编程和视觉任务上，OpenAI o4-mini 都拿得出手，AIME 2024 和 2025 基准测试里成绩最好。OpenAI o4-mini 支持高容量、高吞吐的推理任务，大批问题能快速处理。OpenAI o4-mini 还具备多模态能力，图像能进思维链一起推理，工具调用也支持，答案给得细。相比前代，OpenAI o4-mini 在性能和成本效益上都有明显提升。目前 ChatGPT Plus、Pro 和 Team 用户在模型选择器里能看到 OpenAI o4-mini 和 OpenAI o4-mini-high，它们取代了 o1、o3‑mini 以及 o3‑mini‑high。ChatGPT Enterprise 和 Edu 用户一周内也能用上。开发者可以通过 Chat Completions API 和 Responses API 调用。

OpenAI o4-mini的主要功能

快速推理：数学、编程和视觉任务处理得快，高吞吐量场景正合适。
多模态能力：图像和文本放在一起推理，图像处理没问题。
工具使用：网络搜索、Python 编程这些工具能调用，解决问题时多个帮手。
性价比高：比前代 o3-mini 强，价格没变，升级可以直接换。
安全可靠：做过安全训练，不当请求会拒绝。

OpenAI o4-mini的性能表现

数学推理：AIME 2024 和 2025 基准测试里，OpenAI o4-mini 不开工具就有 93.4% 的准确率，接上 Python 后升到 98.7%，差不多满分。复杂数学题上，OpenAI o4-mini 比前代 o3-mini 强，有些任务已经接近完整版 o3。
编程能力：
- SWE-Lancer:OpenAI o4-mini 的表现不错，复杂的编程任务能高效完成，收益上也看得出来。
- SWE-Bench Verified（软件工程题库）：常见算法、系统设计、API 调用这些任务里，OpenAI o4-mini 的准确率和效率都高过 o3-mini。
- Aider Polyglot Code Editing（多语言代码编辑基准）：代码编辑这类任务，整段重写也好，打补丁式修改也好，OpenAI o4-mini 都比 o3-mini 做得好。
多模态能力：
- MMMU（大学水平的视觉数学题库）：图像和数学符号放在一起解题，OpenAI o4-mini 的准确率有 87.5%，前代 o1 只有 71.8%。
- MathVista（视觉数学推理）：几何图形、函数曲线这类视觉数学推理，OpenAI o4-mini 的准确率是 87.5%。
- CharXiv-Reasoning（科学图表推理）：OpenAI o4-mini 能读懂科学论文里的图表和示意图，准确率 75.4%，比 o1 的 55.1% 高出不少。
工具使用：
- Scale MultiChallenge（多轮指令遵循）：OpenAI o4-mini 能处理复杂的多轮指令任务，每一轮都照着做。
- BrowseComp Agentic Browsing（浏览器任务）：在虚拟浏览器里搜索、点击、翻页，再把信息拼起来，表现接近 o3，传统 AI 搜索比不了。
- Tau-bench 函数调用：函数调用任务上表现稳定，结构化的 API 调用能准确生成，复杂场景还得再优化。
综合测试：
- 专家级综合测试（Humanity’s Last Exam）：不开工具准确率 14.3%，借助插件能到 17.7%，虽然不及 o3 的 24.9%，在小型模型里已经算拔尖。
- 跨学科PhD级科学题（GPQA Diamond）：科学题准确率 81.4%，比 o3 的 83.3% 稍低，放在小型模型里已经很能打。