GPT-5.1-Codex-Mini est une version plus petite et plus rapide de GPT-5.1-Codex.
GPT-5.1-Codex-Mini est un modèle d'OpenAI accessible via OrcaRouter. Il fait partie de la série GPT-5.1 Codex, conçue pour les tâches centrées sur le code et le raisonnement. La désignation « Mini »…
GPT-5.1-Codex-Mini prend en charge à la fois les entrées d'image et de texte. Cela signifie que vous pouvez fournir des images (telles que des diagrammes, des captures d'écran ou des notes manuscrites) accompagnées de invites textuelles, et le modèle interprétera les deux modalités. La fenêtre de contexte de 400 000 jetons inclut les jetons utilisés pour représenter les images ; chaque image consomme un nombre variable de jetons en fonction de sa taille et de son encodage. Bien que le coût exact en jetons pour les images ne soit pas fourni par OrcaRouter, il suit la pratique standard d'OpenAI où les images sont tokenisées en fonction de la résolution. Le modèle peut générer des sorties textuelles uniquement jusqu'à 128 000 jetons. La capacité multimodale étend son utilité au-delà du code pur vers des tâches nécessitant une compréhension visuelle, comme l'explication d'une architecture de code à partir d'un diagramme.
Grâce à sa désignation Codex et à son score de référence de 91,7 sur AA Math, GPT-5.1-Codex-Mini excelle dans le raisonnement mathématique et la génération de code. Le benchmark AA Math teste le raisonnement arithmétique et algébrique avancé, ce qui rend ce modèle bien adapté pour générer des preuves, résoudre des équations et effectuer des étapes logiques. En programmation, il peut gérer plusieurs langages, déboguer, refactoriser et expliquer du code. La grande fenêtre de contexte (400000 tokens) lui permet de travailler avec des bases de code entières ou de longs documents, ce qui le rend efficace pour des tâches telles que résumer un dépôt entier, effectuer une refactorisation inter-fichiers ou générer de la documentation à partir d'une grande base de code. La limite de sortie élevée (128000 tokens) permet de générer des solutions complètes en une seule réponse.
Bien que GPT-5.1-Codex-Mini soit elle-même une version économique de la gamme Codex, il existe peut-être des alternatives encore moins chères pour des tâches plus simples. Si votre charge de travail ne nécessite pas le raisonnement spécialisé en code et en mathématiques, un modèle polyvalent comme GPT-4o mini pourrait suffire à un prix inférieur. De plus, si vous n'avez pas besoin du contexte complet de 400000 tokens ou de la sortie de 128000 tokens, un modèle avec des limites plus petites pourrait réduire les coûts. Pour les tâches qui impliquent uniquement du texte (pas d'images) et des contextes courts, un modèle plus petit et moins cher peut être plus approprié. OrcaRouter offre un accès à de nombreux modèles ; comparez les tarifs et les capacités pour sélectionner l'option la plus rentable pour votre cas d'utilisation spécifique.
GPT-5.1-Codex-Mini est une variante « Mini », elle a donc probablement une capacité réduite par rapport à la version complète de GPT-5.1-Codex. Cela peut se manifester par un raisonnement moins nuancé dans des problèmes très complexes en plusieurs étapes, ou une précision légèrement inférieure sur des benchmarks spécialisés non couverts par AA Math. La date limite des connaissances du modèle est déterminée par OpenAI ; bien que non précisée, elle fait partie de la série GPT-5.1 et reflète donc des données relativement récentes. En tant que modèle optimisé pour le code, il peut être moins performant sur des tâches nécessitant une écriture créative ou un dialogue ouvert par rapport aux modèles généralistes. De plus, l'entrée d'images est prise en charge, mais le coût en tokens pour les images peut être significatif ; les utilisateurs doivent surveiller leur utilisation pour éviter des coûts imprévus. OrcaRouter n'offre aucun traitement supplémentaire au-delà de la transmission à OpenAI.
GPT-5.1-Codex-Mini a obtenu un score de 91,7 sur le benchmark AA Math. AA Math (Advanced Arithmetic and Algebraic Math) évalue la capacité d'un modèle à effectuer des opérations arithmétiques complexes, des manipulations algébriques et des raisonnements en plusieurs étapes. Un score de 91,7 indique que le modèle a correctement répondu à 91,7 % des problèmes du test. C'est un résultat solide, suggérant que le modèle est très compétent dans les tâches de raisonnement mathématique. Cela implique que pour les tâches de codage impliquant des calculs numériques, des simulations algorithmiques ou des logiques mathématiques, on peut compter sur le modèle pour produire des résultats précis. Le benchmark ne couvre pas tous les domaines mathématiques (par exemple, la géométrie, les probabilités en détail), mais il valide sa force en algèbre et arithmétique de base.
OrcaRouter ne publie pas de métriques de latence pour GPT-5.1-Codex-Mini. En tant que variante plus petite de la famille Codex, elle devrait être plus rapide qu'un modèle GPT-5.1-Codex de taille normale, mais la vitesse réelle dépend de la complexité de la requête, du nombre de jetons traités et de la charge du serveur chez OrcaRouter et OpenAI. Le modèle prend en charge les réponses en continu, ce qui peut réduire la latence perçue pour les utilisateurs. Les utilisateurs devraient tester leurs charges de travail spécifiques pour évaluer les performances. Des facteurs tels que la taille de l'image d'entrée et la longueur de la sortie affecteront le temps de réponse. Comme OrcaRouter est un proxy, la latence réseau ajoute une faible surcharge. Dans l'ensemble, la vitesse du modèle est probablement adaptée à une utilisation interactive, mais peut varier.
La lignée Codex indique que GPT-5.1-Codex-Mini est spécifiquement affiné pour la compréhension et la génération de code. Bien qu'aucun score de benchmarking de codage ne soit fourni, le score élevé en mathématiques AA suggère de fortes capacités de raisonnement qui se transfèrent à la résolution algorithmique de problèmes. Le modèle peut gérer plusieurs langages de programmation, générer du code syntaxiquement correct, expliquer du code existant et suggérer des refactorisations. Sa fenêtre de contexte de 400 000 jetons lui permet de retenir des dépôts de code entiers, permettant des tâches comme l'analyse de dépendances entre modules ou la génération de documentation pour de grandes classes. La limite de sortie de 128 000 jetons lui permet de produire de longs fichiers de code ou des explications complètes en une seule fois. Ces caractéristiques en font un candidat solide pour les workflows de développement impliquant une gestion de code à grande échelle.
Bien que GPT-5.1-Codex-Mini obtienne de bons résultats en AA Math (91,7), il n’est pas infaillible. Les benchmarks peuvent ne pas couvrir tous les cas limites ; les performances réelles peuvent varier. Le modèle peut avoir des difficultés avec des concepts mathématiques très nuancés ou spécifiques à un domaine qui ne figurent pas dans AA Math. En génération de code, il peut parfois produire un code inefficace ou incorrect, en particulier pour des bibliothèques rares ou mal documentées. En tant que modèle 'Mini', il peut manquer de la profondeur de raisonnement nécessaire pour des problèmes très complexes qu’un modèle plus grand pourrait gérer. Il existe également un risque d’hallucinations ou de génération de réponses plausibles mais incorrectes. Les utilisateurs doivent toujours valider les résultats critiques, en particulier dans les applications sensibles à la sécurité. OrcaRouter ne modifie pas le comportement du modèle ; ces limitations sont inhérentes au modèle lui-même.
OrcaRouter facture l'utilisation de GPT-5.1-Codex-Mini au tarif du fournisseur, sans aucune majoration. Le prix est de 0,25 $ par million de tokens d'entrée et de 2,00 $ par million de tokens de sortie. Les tokens d'entrée incluent le prompt textuel et toute image tokenisée. Les tokens de sortie correspondent au texte généré par le modèle. La facturation est calculée par requête en fonction du nombre total de tokens traités. Il n'y a pas de frais supplémentaires, d'abonnement ou d'engagement minimum. Les utilisateurs ne paient que pour les tokens qu'ils consomment. OrcaRouter nécessite probablement un compte et une clé API ; le coût est déduit du solde de l'utilisateur. Pour une gestion précise des coûts, surveillez l'utilisation des tokens via la réponse de l'API, qui inclut généralement des statistiques d'utilisation.
Par rapport à un hypothétique GPT-5.1-Codex complet (s'il existait), GPT-5.1-Codex-Mini est conçu pour être plus rentable grâce à sa taille réduite. Les prix connus ($0.25/$2.00 par million de tokens) sont inférieurs à ceux des modèles pleine taille typiques d'OpenAI, qui peuvent coûter entre $10 et $30 par million de tokens de sortie. Cela rend Codex-Mini attractif pour les applications à fort volume ou celles avec des contextes longs et des sorties volumineuses. Cependant, si les performances sur des tâches spécifiques sont insuffisantes, un modèle plus grand peut justifier le coût supplémentaire. Les utilisateurs doivent évaluer le compromis : pour les tâches où le score AA Math de 91.7 du modèle Mini est suffisant, son coût inférieur est avantageux. OrcaRouter n'offre pas de mise en cache ou de compression de prompt qui réduirait l'utilisation de tokens.
OrcaRouter ne fait pas de publicité pour la mise en cache du GPT-5.1-Codex-Mini. La mise en cache n'est pas mentionnée dans les informations fournies sur le modèle ou l'API. En général, la mise en cache des prompts et des réponses n'est pas une pratique courante parmi les API proxy en raison des considérations de confidentialité des données ; chaque requête est généralement traitée indépendamment. Si vous souhaitez réduire les coûts pour des entrées identiques répétées, envisagez d'implémenter une mise en cache côté client ou d'utiliser le batch si cela est pris en charge. La tarification d'OrcaRouter est strictement au paiement par token, sans réduction pour les contextes répétés. Notez que l'utilisation de tokens pour les images est calculée par requête et ne peut pas être réduite via la mise en cache. Pour optimiser les coûts, minimisez la consommation redondante de tokens en élaborant des prompts précis.
Aucuns frais cachés ne sont associés à l'accès à GPT-5.1-Codex-Mini via OrcaRouter. La tarification est transparente : 0,25 $ par million de tokens en entrée et 2,00 $ par million de tokens en sortie, sans marge ajoutée au tarif du fournisseur. Il n'y a pas de frais de configuration, de minimum mensuel ni de frais pour les requêtes échouées (bien que vous payiez pour les tokens utilisés dans la requête/réponse). OrcaRouter peut avoir un système de clé API, mais n'impose pas de frais supplémentaires pour les points d'accès. Vérifiez toujours la documentation officielle d'OrcaRouter pour toute mise à jour de leur politique tarifaire. Comme pour toute API, des erreurs réseau ou des délais d'attente peuvent entraîner une consommation partielle de tokens ; si une requête est interrompue, vous n'êtes facturé que pour les tokens traités jusqu'à l'interruption, selon la détermination d'OpenAI.
Pour appeler GPT-5.1-Codex-Mini via OrcaRouter, utilisez l'API compatible OpenAI avec l'URL de base https://api.orcarouter.ai/v1. Définissez le paramètre model sur "openai/gpt-5.1-codex-mini". Vous aurez besoin d'une clé API OrcaRouter pour l'authentification, qui est généralement transmise dans l'en-tête Authorization sous forme de Bearer. L'API prend en charge les mêmes endpoints/complétions que l'API OpenAI standard, tels que /chat/completions pour les interactions de type chat. Parce qu'elle est compatible OpenAI, le code existant utilisant le SDK Python ou JavaScript d'OpenAI peut être adapté en modifiant l'URL de base et la clé API. OrcaRouter gère le routage vers OpenAI et renvoie les résultats dans le même format. Assurez-vous que votre client respecte les limites de jetons (400000 entrée, 128000 sortie).
L'API OrcaRouter pour GPT-5.1-Codex-Mini prend en charge les paramètres standard d'OpenAI, notamment model (défini à "openai/gpt-5.1-codex-mini"), messages (tableau d'objets message pour le chat), max_tokens (jusqu'à 128000), temperature, top_p, n, stop, stream, et autres. Les capacités d'appel de fonctions et d'utilisation d'outils du modèle sont prises en charge telles que fournies par OpenAI. L'entrée d'image peut être incluse dans le contenu du message en utilisant le format multimodal (par exemple, contenu avec type: "image_url"). Les valeurs par défaut et les comportements des paramètres suivent les spécifications d'OpenAI. Notez que la fenêtre de contexte du modèle est de 400000 jetons au total, donc la somme de tous les jetons dans les messages (y compris les images) ne doit pas dépasser cette limite. OrcaRouter n'expose aucun paramètre personnalisé supplémentaire au-delà de ce qu'OpenAI propose.
Migrer vers OrcaRouter pour GPT-5.1-Codex-Mini est simple si vous avez du code existant utilisant une API compatible OpenAI. Remplacez l'URL de base par https://api.orcarouter.ai/v1 et mettez à jour votre clé API vers une clé OrcaRouter. Modifiez le paramètre model en "openai/gpt-5.1-codex-mini". Si vous utilisiez un autre ID de modèle, ajustez en conséquence. OrcaRouter ne nécessite aucun SDK spécial ; tout client HTTP fonctionnant avec l'API OpenAI fonctionnera. Testez avec une petite requête pour vérifier la connectivité et la facturation. Notez que le prix est identique au tarif du fournisseur OpenAI, donc la migration des coûts est neutre. Si vous utilisiez un autre fournisseur, vous devrez peut-être ajuster la fenêtre de contexte du modèle (400000) et la limite de sortie (128000).
Un exemple de requête utilisant curl : curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer ORCAROUTER_API_KEY" -H "Content-Type: application/json" -d '{"model": "openai/gpt-5.1-codex-mini", "messages": [{"role": "user", "content": "Résoudre : 2x + 5 = 15"}], "max_tokens": 200}'. Inclure une image en utilisant le tableau content : "content": [{"type": "text", "text": "Expliquer ce diagramme"}, {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]. La réponse sera un objet de complétion de chat OpenAI standard. Assurez-vous que le nombre total de jetons (y compris l'image tokenisée) reste en dessous de 400000. Utilisez stream: true pour les réponses en streaming.
GPT-5.1-Codex-Mini et GPT-4o servent à des fins principales différentes. GPT-4o est un modèle multimodal polyvalent, tandis que Codex-Mini est spécialisé pour le code et les mathématiques. Dans les benchmarks, un score AA Math de 91.7 fournit un point de comparaison spécifique ; les performances de GPT-4o sur ce benchmark ne sont pas fournies mais sont probablement inférieures. Codex-Mini dispose d'une fenêtre de contexte plus grande (400000 contre 128000 pour GPT-4o) et d'une limite de sortie plus élevée (128000 contre 4096 pour GPT-4o en utilisation typique). Cependant, GPT-4o peut être plus polyvalent pour les tâches créatives. Tarification : Codex-Mini à $0.25/$2.00 par million de tokens est moins cher que GPT-4o ($5/$15 par million de tokens), ce qui en fait un choix économique pour les tâches de mathématiques et de code où ses points forts s'alignent.
Choisissez GPT-5.1-Codex-Mini lorsque vos besoins principaux sont la génération de code, le raisonnement mathématique ou des tâches nécessitant un contexte très large (jusqu'à 400000 tokens) et un volume de sortie élevé (jusqu'à 128000 tokens). C'est également un bon choix pour les applications sensibles aux coûts qui exigent néanmoins de bonnes performances en mathématiques et en codage, grâce à son prix inférieur par rapport aux modèles pleine taille. Si votre tâche est purement créative, comme l'écriture ou la description d'œuvres visuelles, un modèle polyvalent comme GPT-4o peut être plus adapté. Si vous avez besoin d'un coût encore plus bas pour des tâches simples, envisagez des modèles plus petits comme GPT-4o mini. OrcaRouter vous donne accès à de nombreux modèles ; évaluez la pertinence des benchmarks et les prix pour votre charge de travail spécifique.
OrcaRouter fournit l'accès à GPT-5.1-Codex-Mini aux mêmes tarifs que le fournisseur (0,25 $ / 2,00 $ par million de tokens) sans aucune majoration. Il n'y a aucun avantage financier à utiliser OpenAI directement plutôt qu'OrcaRouter si les deux facturent le même prix. Cependant, OrcaRouter peut offrir une facturation simplifiée, une consolidation de l'utilisation pour plusieurs fournisseurs, ou des fonctionnalités supplémentaires comme des analyses d'utilisation. L'API est entièrement compatible avec l'interface d'OpenAI, donc la migration est triviale. Si vous avez déjà un compte OrcaRouter, vous pouvez utiliser ce modèle sans configurer de compte OpenAI séparé. OrcaRouter agit comme un proxy ; le traitement des données est similaire à l'utilisation directe d'OpenAI (les prompts sont envoyés à OpenAI). Choisissez OrcaRouter si vous préférez une passerelle API unifiée pour plusieurs fournisseurs de modèles.
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-5.1-codex-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-5.1-codex-miniOuvrir @misc{orcarouter_gpt_5_1_codex_mini,
title = {GPT-5.1-Codex-Mini API},
author = {OpenAI},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.1-codex-mini}
}OpenAI. (2025). GPT-5.1-Codex-Mini API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.1-codex-mini