GPT-5 Mini est une version compacte de GPT-5, conçue pour gérer des tâches de raisonnement plus légères. Elle offre les mêmes avantages en matière de suivi des instructions et de réglage de la sécurité que GPT-5, mais avec une latence et un coût réduits....
GPT-5 Mini est un modèle de langage développé par OpenAI, conçu pour les tâches qui bénéficient d'une large fenêtre de contexte et d'un raisonnement mathématique solide. Avec 400 000 tokens de…
GPT-5 Mini démontre un raisonnement mathématique solide, comme l'indique son score de 90,7 sur le benchmark AA Math. Cela suggère qu'il est bien adapté aux problèmes nécessitant un calcul étape par étape, une manipulation symbolique ou une déduction logique. La grande fenêtre de contexte lui permet de conserver des résultats intermédiaires sur de nombreuses étapes, ce qui le rend efficace pour les problèmes de mots à plusieurs étapes, la dérivation de théorèmes et les preuves structurées. Cependant, le raisonnement dans d'autres domaines (par exemple, le bon sens, le scientifique) n'est pas spécifiquement évalué dans les données fournies. Les capacités du modèle sont probablement comparables à celles des autres modèles d'OpenAI pour les tâches ne nécessitant pas toute l'étendue de GPT-5, mais les utilisateurs devraient évaluer sur leurs propres ensembles de données.
GPT-5 Mini peut traiter du texte, des images et des fichiers dans une seule requête. Lorsqu'une image ou un fichier est fourni, le modèle l'interprète comme faisant partie du contexte d'entrée, convertissant les données visuelles ou structurées en jetons qui comptent dans la limite de 400 000 jetons. Cela permet au modèle de répondre à des questions sur des images, de résumer le contenu de documents ou d'extraire des données de tableaux. Le coût exact en jetons pour les images et les fichiers est déterminé par l'encodage d'OpenAI — généralement, les images sont divisées en tuiles, chacune consommant un nombre fixe de jetons. Pour les fichiers, le contenu est souvent extrait sous forme de texte. Il n'y a pas de frais séparé pour la modalité autre que le prix par jeton d'entrée.
GPT-5 Mini coûte 0,25 $/M en entrée et 2,00 $/M en sortie, ce qui est plus élevé que de nombreux modèles plus petits (par exemple, GPT-4o Mini, Claude Haiku) mais moins cher que le GPT-5 complet. Il vaut la peine de le choisir lorsque votre tâche exige un raisonnement mathématique solide (par exemple, 90,7 AA Math) et une grande fenêtre de contexte (400 000 tokens). Si votre tâche est une classification simple ou une génération de textes courts, un modèle moins cher peut suffire. De plus, si vous avez besoin d’un volume de sortie très élevé, le coût de 2,00 $/M en sortie peut s’accumuler. Envisagez GPT-5 Mini lorsque vous avez besoin d’un raisonnement fiable sur de longs contextes — comme l’analyse d’un rapport de recherche de 200 pages — et que vous pouvez bénéficier de son équilibre entre performance et coût.
La capacité de GPT-5 Mini à accepter des images et des fichiers la rend adaptée à des tâches comme le traitement de factures, l'interprétation de graphiques et le Q&A sur des documents. Par exemple, vous pouvez télécharger un PDF d'un rapport financier (fichier) accompagné d'une image de graphique et demander au modèle d'en extraire les chiffres clés. Le contexte de 400K peut accueillir de longs rapports avec des images intégrées. Une autre utilisation est l'analyse de fichiers de code : vous pouvez fournir un dépôt sous forme de fichier et demander une révision. Cependant, notez que de grandes images ou de nombreux fichiers peuvent rapidement consommer des jetons. Le modèle traite toutes les entrées comme des jetons, alors planifiez pour rester dans la limite de contexte de 400K.
AA Math est un benchmark conçu pour évaluer la capacité d’un modèle à résoudre des problèmes mathématiques de différents niveaux de difficulté, couvrant souvent l’algèbre, l’arithmétique, la géométrie et la logique. Un score de 90,7 indique que GPT-5 Mini a correctement répondu à 90,7 % des questions du test. C’est un résultat solide, le plaçant dans le haut du pavé pour le raisonnement mathématique parmi les modèles de sa taille. Cela suggère que le modèle peut traiter de manière fiable les problèmes de mots quantitatifs, les calculs et le raisonnement en plusieurs étapes. Aucun autre benchmark n’est fourni, donc ce score doit être considéré comme un atout clé mais pas comme le tableau complet.
La vitesse (latence) et le débit ne sont pas spécifiés dans les données fournies. En règle générale, la vitesse du modèle dépend de l'infrastructure du fournisseur, de la taille de la requête et de la taille du modèle. En tant que variante « Mini », GPT-5 Mini est probablement optimisé pour une inférence plus rapide que le GPT-5 complet, mais les chiffres exacts sont inconnus. Pour les applications en temps réel, vous devez tester avec des longueurs de prompt typiques. L'API d'OrcaRouter peut fournir des détails supplémentaires sur les performances. La limite de sortie élevée (128K tokens) suggère que les très longues générations prendront proportionnellement plus de temps. Envisagez le traitement par lots ou le streaming pour les cas d'utilisation sensibles à la latence.
Points forts : Raisonnement mathématique solide (90.7 AA Math), grand contexte (400K tokens), multimodal (texte, image, fichier) et coût raisonnable par token pour ses capacités. Limitations : Aucun score de référence fourni pour les domaines non mathématiques (par exemple, compréhension linguistique, codage, bon sens). Le modèle peut sous-performer en écriture créative ou en génération ouverte par rapport à des alternatives plus grandes. De plus, la fenêtre de contexte de 400K, bien que grande, est plus petite que celle de certains modèles frontières (par exemple, Gemini 1.5 Pro dispose de 1M). Pour les tâches nécessitant un contexte extrêmement long ou un volume de tokens de sortie très élevé, le GPT-5 complet ou d'autres modèles pourraient être meilleurs.
Le prix est de 0,25 $ pour 1 million de tokens d'entrée et de 2,00 $ pour 1 million de tokens de sortie. Les tokens d'entrée incluent tout le texte, les tokens d'image (après encodage) et les tokens de fichier. Les tokens de sortie sont le texte généré. La facturation est basée sur le nombre réel de tokens utilisés, sans minimum. Par exemple, une requête avec 10 000 tokens d'entrée et 5 000 tokens de sortie coûte (10 000/1M) * 0,25 + (5 000/1M) * 2,00 = 0,0025 + 0,01 = 0,0125 $. Ce montant est facturé au tarif du fournisseur sans marge par OrcaRouter. Il n'y a pas de frais de plateforme supplémentaires ni de frais d'installation.
Comparé au GPT-5 complet (si disponible), le GPT-5 Mini est probablement moins cher par token — 0,25 $ contre peut-être plus de 1 $ en entrée. Cependant, il peut avoir une portée réduite. Pour les tâches qui ne nécessitent qu'un contexte ou un raisonnement modéré, utiliser un modèle moins cher comme GPT-4o Mini (0,15 $ en entrée) pourrait faire économiser de l'argent. Le compromis est que GPT-5 Mini offre un contexte de 400K et de solides benchmarks en mathématiques. Pour les applications à volume élevé, même de petites différences par token s'accumulent. Vous devriez estimer la taille moyenne de vos prompts et de vos générations. Si les images ou les fichiers sont courants, le coût en tokens lié à la modalité entrera également en jeu.
Les informations fournies ne mentionnent aucune fonctionnalité de mise en cache ni de réductions via OrcaRouter. La tarification est strictement au tarif du fournisseur, sans aucune marge. Certains fournisseurs de modèles proposent des réductions pour l’entrée mise en cache (par exemple pour des invites répétées), mais il n’est pas précisé si OpenAI ou OrcaRouter étendent de telles options pour GPT-5 Mini. Pour minimiser les coûts, vous pouvez optimiser la longueur des invites, réutiliser les invites système et éviter l’utilisation inutile de jetons provenant de fichiers volumineux ou d’images. OrcaRouter pourrait proposer une mise en cache à l’avenir, mais pour l’instant, supposez une tarification à l’utilisation par jeton.
OrcaRouter fournit un point de terminaison d'API compatible OpenAI à l'URL de base https://api.orcarouter.ai/v1. Pour utiliser GPT-5 Mini, définissez le paramètre model sur "openai/gpt-5-mini". Le format de la requête est identique à l'API de complétion de chat d'OpenAI. Par exemple : POST /v1/chat/completions avec des en-têtes contenant votre clé API OrcaRouter. Dans le corps JSON, incluez "model": "openai/gpt-5-mini", "messages": [...], et des paramètres optionnels comme max_tokens, temperature, etc. Les réponses suivent la même structure qu'OpenAI. Cela rend la migration depuis les appels directs à OpenAI simple — il suffit de changer l'URL de base et le nom du modèle.
L'API prend en charge les paramètres standard de complétion de chat : messages (tableau d'objets rôle-contenu), max_tokens (jusqu'à 128000), temperature, top_p, n, stop, frequency_penalty, presence_penalty et stream (booléen pour le streaming). Pour les entrées multimodales, incluez des parties de contenu avec les types "text" et "image_url" ou "file_url". Le nom exact pour l'entrée de fichier n'est pas spécifié, mais vous pouvez utiliser le format standard de fichier ou d'URI de données d'OpenAI. Des paramètres comme logprobs, tools ou tool_choice peuvent être supportés mais ne sont pas confirmés par les données fournies. Reportez-vous à la documentation d'OpenAI pour les détails complets des paramètres.
La migration nécessite généralement deux modifications dans votre code : 1) Remplacez l'URL de base par https://api.orcarouter.ai/v1. 2) Remplacez l'ID du modèle par "openai/gpt-5-mini". Votre client API existant (par exemple, la bibliothèque Python openai) peut être configuré en définissant api_base ou base_url. Votre clé API pour OrcaRouter doit être utilisée à la place de la clé OpenAI. Tous les autres paramètres de requête et la gestion des réponses restent inchangés, car l'API est compatible avec OpenAI. Il n'est pas nécessaire de modifier les formats de message ou les analyseurs de réponse. Pour le streaming, utilisez le même modèle stream=True.
L'API hérite des limites de débit et de la disponibilité d'OpenAI, bien qu'OrcaRouter puisse imposer ses propres quotas. La limite de fenêtre de contexte de 400K tokens est par requête. Le nombre maximal de tokens en sortie de 128K est également par requête. Il n'est fait aucune mention de l'appel de fonctions ou de la prise en charge de plugins. Pour les téléchargements de fichiers, il peut y avoir des limites de taille non spécifiées. L'API ne prend pas en charge le réglage fin personnalisé du modèle ni les fonctionnalités avancées au-delà de ce qu'Offre OpenAI pour GPT-5 Mini. Vous devez consulter la documentation d'OrcaRouter pour toute politique d'utilisation ou limitation spécifique.
GPT-5 Mini (contexte 400K, AA Math 90,7) vs GPT-4o (contexte généralement 128K, score AA Math non fourni). GPT-5 Mini offre une fenêtre de contexte plus large et probablement un meilleur raisonnement mathématique. Cependant, GPT-4o pourrait avoir des capacités plus étendues en matière de créativité, de compréhension visuelle et de tâches multilingues. Le prix de GPT-4o est similaire ou légèrement plus élevé sur l'entrée (2,50 $) et la sortie (10 $) par million de tokens selon la dernière mise à jour. GPT-5 Mini est moins cher sur les deux plans. Pour les tâches nécessitant un long contexte et des mathématiques, GPT-5 Mini est avantageux. Pour un chatbot généraliste ou des tâches créatives, GPT-4o pourrait être plus adapté.
Claude 3.5 Sonnet offre une fenêtre de contexte de 200K et est performant en raisonnement, mais ne fournit pas de score AA Math. Le tarif de Claude 3.5 Sonnet est de 3,00 $ en entrée et 15,00 $ en sortie par million de tokens, soit nettement plus élevé que GPT-5 Mini. GPT-5 Mini a deux fois plus de contexte et un coût inférieur. Cependant, Claude peut exceller en matière de sécurité, de gestion des refus et de résumé de longs documents. Pour les tâches mathématiques axées sur les benchmarks, le score de 90,7 de GPT-5 Mini est un avantage direct. Les utilisateurs qui ont besoin d'un déploiement à grand volume et sensible au coût peuvent préférer GPT-5 Mini.
Les modèles plus petits comme GPT-4o Mini (contexte de 128K, ~0,15 $ en entrée, ~0,60 $ en sortie) ou Gemini 1.5 Flash sont moins chers par token et peuvent avoir une latence plus faible. Si votre tâche ne nécessite pas le contexte de 400K ou la précision mathématique de AA Math 90.7, ces modèles peuvent réduire les coûts. Par exemple, la classification simple, les résumés courts ou les Q&A de base fonctionnent souvent bien avec des modèles plus petits. GPT-5 Mini est mieux réservé pour les tâches où le contexte plus large et le raisonnement mathématique solide affectent réellement la qualité de la sortie. Des modèles plus grands comme GPT-5 ou Claude Opus peuvent être nécessaires pour des tâches extrêmement nuancées.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="openai/gpt-5-mini",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Entrée / 1M tokens | $0.250 |
|---|---|
| Sortie / 1M tokens | $2.00 |
| Lecture cache / 1M | $0.025 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
Comparer les coûts mensuels des modèles dans le calculateur de coûts LLM
Ce dont parlent les développeurs cette semaine
GET /api/public/models/openai/gpt-5-miniOuvrir @misc{orcarouter_gpt_5_mini,
title = {GPT-5 Mini API},
author = {OpenAI},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5-mini}
}OpenAI. (2025). GPT-5 Mini API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5-mini