OpenAI 在 2025 年 8 月 7 日发布了 GPT-5 系列模型，其中 GPT-5 Mini 是该系列的一个较小版本。它针对处理较轻量的推理任务设计，在 OpenAI 的 API 中可用，包括 gpt-5-main-mini 和 gpt-5-thinking-mini 两种形式。前者用于一般查询，后者用于需要更长内部思考链的复杂问题。GPT-5 Mini 取代了之前的 GPT-4o-mini 模型。

技术规格

GPT-5 Mini 支持文本和图像输入，但输出仅限于文本。它的输入令牌上限为 272,000 个，输出令牌上限为 128,000 个，其中包括用于推理的不可见令牌，总上下文长度达到 400,000 个令牌。模型的知识截止日期为 2024 年 5 月 30 日。

在 API 使用中，开发者可以选择四个推理级别：minimal、low、medium 或 high。这些级别允许调整响应速度和深度。模型支持多项功能，包括并行工具调用、内置工具（如网页搜索和文件搜索）、结构化输出、提示缓存以及批处理 API。它还提供推理摘要选项，通过 API 参数如 "reasoning": {"summary": "auto"} 来生成。

训练过程涉及多样化数据集，包括公开互联网信息、第三方合作伙伴数据和用户生成内容。数据经过质量过滤、风险缓解和个人信息减少处理。安全训练使用 safe-completions 方法，专注于输出安全而非简单拒绝，尤其适用于生物或网络安全等双重用途场景。

参数数量未公开，但 GPT-5 Mini 被设计为紧凑版本，以平衡性能、成本和延迟。

能力

GPT-5 Mini 处理写作、编码和健康相关查询等常见任务。它在指令跟随方面有所改进，能更好地执行用户指定的步骤。模型支持多模态输入，如图像分析，并在工具使用中表现稳定，例如链式工具调用或并行处理。

在编码领域，它能生成代码、修复 bug、编辑代码库，并回答复杂代码问题。对于代理任务，它适合长运行序列，如多轮背景代理或客户服务环境中的工具交互。健康查询方面，它在现实健康对话中提供响应，并在多语言支持上覆盖 13 种语言，使用零样本链式思考提示。

模型还减少了幻觉，即自信陈述不实事实的情况，尤其在无浏览工具时。它能承认任务不可行性，并在工具失败时给出诚实反馈。

基准结果

以下表格列出 GPT-5 Mini 在几个典型基准上的成绩。这些成绩使用高推理努力级别计算，除非另有说明。表格选择了智能、多模态、编码和指令跟随等类别中的代表性指标。

类别基准名称成绩

智能AIME ’25（无工具）91.1%

智能GPQA diamond（无工具）82.3%

多模态MMMU81.6%

多模态VideoMMMU（最大 256 帧）82.5%

编码SWE-bench Verified71.0%

指令跟随Scale multichallenge62.3%

指令跟随COLLIE98.5%

这些结果显示 GPT-5 Mini 在多模态和指令跟随任务中得分较高，但在某些数学挑战中得分较低。

第三方红队测试显示，模型在生物武器化提示上拒绝率达 96.7%，但存在少量越狱风险，已部分修复。网络安全方面，它解决简单场景但无法自动化对硬化目标的操作。

定价和可用性

API 定价为输入 0.25 美元/百万令牌，输出 2.00 美元/百万令牌。前几分钟缓存的输入令牌享受 90% 折扣。它在 OpenAI 的 Chat Completions API、Responses API 和 Codex CLI 中可用，也集成到 Microsoft 平台如 GitHub Copilot 和 Azure AI Foundry。

在 ChatGPT 中，它作为使用限制后的备用模型，通过路由器选择。

局限性

GPT-5 Mini 在某些不允许内容领域显示安全回归，如非暴力仇恨分数 0.851（低于 GPT-4o 的 0.882）。生物风险评估显示，它接近提升新手到严重危害的阈值，尽管有缓解措施。

幻觉在无浏览设置中持续存在，率为 0.9%-3.7%。在自改进基准如 OPQA 上得分 2%，未达高阈值。提示注入漏洞存在，攻击成功率达 75.5% 在多查询场景。

模型可能过度拒绝良性查询，并依赖开发者使用安全标识符以检测恶意使用。

总结

GPT-5 Mini 提供了一个平衡成本和功能的选项，适用于编码、代理和一般查询。其基准显示在多模态和指令跟随上的进步，但数学和长上下文领域有空间改进。安全机制覆盖高风险领域，尽管残余风险需要持续监控。开发者可通过 OpenAI API 访问它，以测试具体用例。

GPT-5-mini 评测详情

评测结果

评测结果

数学推理