GPT-5 Mini
数据来源:AIHOT
上线日期: 2025-08-07 · 上下文: 40万 Token
综合排名 88
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥1.67 ($0.25)
- 输出
- ¥13.33 ($2)
- 缓存命中
- ¥0.17 ($0.025)
官方已标记弃用,计划于 2026-12-11 停止提供 API。
官方已标记弃用,计划于 2026-12-11 停止提供 API。
官方价格页 ↗领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 88 | 36.2 | 17 |
| 编程 | 88 | 36.9 | 3 |
| 科研 | 87 | 38.3 | 6 |
| 专业办公 | 88 | 34 | 3 |
| 知识问答 | 86 | 36.8 | 3 |
编程 · 36.9
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 0.0% | 48.9 | 203 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 14.2% | 38.8 | 108 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 39.0% | 37 | 200 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 38.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 46.7% | 49.8 | 61 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 24.0% | 48.3 | 88 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 0.0% | 46.7 | 345 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 5.0% | 42.2 | 138 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 21.5% | 38.8 | 231 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 4.4% | 30.9 | 216 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 34
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 773 | 35.3 | 218 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 6.5% | 33.3 | 209 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 430.2 | 27.5 | 239 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 43.0% | — | 48 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 36.8
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 72.3% | 45.3 | 209 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 8.9% | 42.8 | 146 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 21.6% | 31.2 | 87 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 32.9
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,389.9 | 27.8 | 182 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
还没有成绩的评测
- Terminal-Bench 4.0 · Vals
- Terminal-Bench 4.0 · 官方
- LiveBench · 编程综合
- Code Migration v1.1
- ProgramBench
- MirrorCode
- CyberBench Patch v1.1
- FrontierCode 2.0 · AA
- APEX-SWE
- FrontierCode 2.0 · Cognition
- WeirdML v3
- FrontierSWE v2
- TapTap Maker
- LiveBench · 推理与数学
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- CritPt v2 Hard · AA
- MysteryMechanism
- Terminal-Bench Science · Vals
- Terminal-Bench Science · AA
- BioMysteryBench
- Vals Finance Agent v2.1
- APEX-Agents 1.1
- Harvey LAB 1.1 · Vals
- Harvey LAB 1.1 · AA
- τ³-Banking · Mercor
- LiveBench · 数据分析
- AA-Analyst Agent
- Legal Research Bench
- TaxAgentBench
- Excel Modeling v1.1
- AA-Omniscience v1.1
- 司南 · 知识
- LiveBench · 语言与指令
- NYT Connections 扩展版
- BullshitBench · 错误前提
- Arena WebDev
最近的新闻
09-30Artificial Analysis 智能指数成本帕累托前沿变迁Artificial Analysis
08-21AI科学家应作为人机协作系统研究Rohan Paul
08-11Inception Labs 发布 Mercury 2 for Search,解码超 1000 tokens/秒Inception Labs:Blog
07-12微软研究院推出开源可视化中间语言 Flint,让 AI 智能体“一句话生成专业图表”IT之家·人工智能
03-24Mercury 2 在 PinchBench 评测:快速扩散模型与个人智能体时代Inception Labs:Blog
03-18推出 GPT-5.4 mini:Greg Brockman