Skip to content

GPT-5 Mini

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
OpenAI

Released: 2025-08-07 · Context: 400K tokens

36.2

Overall rank 88

Official API prices ¥ / million tokens

Input
¥1.67 ($0.25)
Output
¥13.33 ($2)
Cache hits
¥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。

Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合8836.217
编程8836.93
科研8738.36
专业办公88343
知识问答8636.83

编程 · 36.9

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 Analysis0.0%48.92022026-11-18
Notes

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 AI14.2%38.81082026-11-18
Notes

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 Analysis39.0%372002026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 AI46.7%49.8612026-11-18
Notes

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 AI24.0%48.3882026-11-18
Notes

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 Analysis0.0%46.73452026-11-18
Notes

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 AI5.0%42.21382026-11-18
Notes

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 Analysis21.5%38.82312026-11-18
Notes

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 Prize4.4%312162026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 Analysis77335.32182026-11-18
Notes

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 Analysis6.5%33.42082026-11-18
Notes

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 Analysis430.227.42382026-11-18
Notes

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 AI43.0%—482026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 Analysis72.3%45.32092026-11-18
Notes

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 Analysis8.9%42.91462026-11-18
Notes

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 AI21.6%31.2872026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,389.927.81822026-11-18
Notes

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。

Benchmarks without results

  • 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

Recent news

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