GPT-5 Miniは、GPT-5のコンパクト版であり、軽量な推論タスクを処理するために設計されています。GPT-5と同じ指示追従能力と安全性チューニングの利点を提供しますが、レイテンシとコストが削減されています....
GPT-5 Miniは、OpenAIが開発した言語モデルで、大きなコンテキストウィンドウと強力な数学的推論が求められるタスクに適しています。400,000トークンのコンテキストと128,000トークンの出力に対応し、文書分析、長文会話、多段階の問題解決などのアプリケーションに活用できます。テキスト、画像、ファイルの入力を受け付け、マルチモーダルな理解を可能にします。価格は入力100万トークンあたり…
GPT-5 Mini は、AA Math ベンチマークで 90.7 点を獲得したことからもわかるように、強力な数学的推論能力を示しています。これは、段階的な計算、記号操作、論理的推論を必要とする問題に適していることを示唆しています。大きなコンテキストウィンドウにより、多くのステップにわたって中間結果を維持できるため、複数ステップの文章問題、定理の導出、構造化された証明に効果的です。しかしながら、他の領域（例：常識的推論、科学的推論）については、提供されたデータでは特にベンチマークされていません。このモデルの能力は、GPT-5 の全幅を必要としないタスクにおいては、OpenAI の他のモデルと同等である可能性がありますが、ユーザーは自身のデータセットで評価する必要があります。
GPT-5 Miniは、1回のリクエストでテキスト、画像、ファイルを処理できます。画像やファイルが提供されると、モデルはそれを入力コンテキストの一部として解釈し、視覚的または構造化データをトークンに変換します。これらのトークンは40万トークンの制限にカウントされます。これにより、モデルは画像に関する質問に答えたり、文書の内容を要約したり、表からデータを抽出したりすることができます。画像とファイルの正確なトークンコストはOpenAIのエンコーディングによって決定されます。通常、画像はタイルに分割され、各タイルが一定数のトークンを消費します。ファイルの場合、内容は多くの場合、テキストとして抽出されます。モダリティに対する追加の料金はなく、トークンあたりの入力価格のみが適用されます。
GPT-5 Miniの入力は$0.25/M、出力は$2.00/Mで、多くの小型モデル（例：GPT-4o Mini、Claude Haiku）よりは高いものの、フルサイズのGPT-5よりは低価格です。強い数学的推論（例：90.7 AA数学）と大規模なコンテキストウィンドウ（400Kトークン）が求められるタスクには適しています。単純な分類や短い文章生成が目的であれば、より安価なモデルで十分かもしれません。また、非常に高い出力量が必要な場合、$2.00/Mの出力コストが積み重なる可能性があります。長いコンテキストにわたる信頼性の高い推論（例：200ページの調査レポートの分析）が必要で、パフォーマンスとコストのバランスを活用できる場合には、GPT-5 Miniを検討してください。
GPT-5 Miniが画像やファイルを受け入れられる機能により、請求書処理、グラフ解釈、文書Q&Aなどのタスクに適しています。例えば、財務レポートのPDF（ファイル）とグラフ画像をアップロードして、モデルに主要な数値を抽出するよう依頼できます。400Kのコンテキストは、画像が埋め込まれた長いレポートにも対応できます。別の用途としてはコードファイル分析があります。リポジトリをファイルとして提供し、レビューを依頼できます。ただし、大きな画像や多数のファイルはトークンをすぐに消費する可能性があることに注意してください。モデルはすべての入力をトークンとして扱うため、400Kのコンテキスト制限内に収まるように計画してください。
AA Mathは、代数、算数、幾何、論理など多様な難易度にわたる数学問題を解くモデルの能力を評価するために設計されたベンチマークです。90.7というスコアは、GPT-5 Miniがテスト問題の90.7%に正解したことを示します。これは強力な結果であり、同サイズのモデルの中でも数学的推論において上位層に位置します。このモデルが数量に関する文章題、計算、複数ステップの推論を確実に処理できることを示唆しています。他のベンチマークは提供されていないため、このスコアは重要な強みと見なすべきですが、全体像ではありません。
提供されたデータには速度（レイテンシ）とスループットは指定されていません。一般的に、モデルの速度はプロバイダーのインフラストラクチャ、リクエストサイズ、およびモデルサイズに依存します。'Mini'バリアントとして、GPT-5 MiniはフルサイズのGPT-5よりも高速な推論に最適化されている可能性がありますが、正確な数値は不明です。リアルタイムアプリケーションでは、典型的なプロンプト長でテストする必要があります。OrcaRouterのAPIは追加のパフォーマンス詳細を提供する場合があります。大きな出力制限（128Kトークン）は、非常に長い生成が比例して時間がかかることを示唆しています。レイテンシに敏感なユースケースでは、バッチ処理またはストリーミングを検討してください。
強み：強力な数学的推論（90.7 AA Math）、大規模なコンテキスト（400Kトークン）、マルチモーダル（テキスト、画像、ファイル）、およびその性能に見合った妥当なトークンあたりのコスト。 制限事項：数学以外のドメイン（例：言語理解、コーディング、常識）のベンチマークスコアは提供されていません。本モデルは、より大規模な代替モデルと比較して、クリエイティブライティングやオープンエンドな生成では性能が劣る可能性があります。また、400Kのコンテキストウィンドウは大きいものの、一部のフロンティアモデル（例：Gemini 1.5 Proは1M）よりは小さいです。非常に長いコンテキストや非常に高い出力トークン量を必要とするタスクには、フル版のGPT-5や他のモデルの方が適している場合があります。
価格は、入力トークン100万個あたり0.25ドル、出力トークン100万個あたり2.00ドルです。入力トークンには、すべてのテキスト、画像トークン（エンコード後）、ファイルトークンが含まれます。出力トークンは生成されたテキストです。課金は実際に使用されたトークン数に基づき、最低料金はありません。例えば、入力トークン10,000個、出力トークン5,000個のリクエストの場合、コストは (10,000/1M) * 0.25 + (5,000/1M) * 2.00 = 0.0025 + 0.01 = $0.0125となります。これは、OrcaRouterによってプロバイダー料金で請求され、マークアップは一切ありません。追加のプラットフォーム費用や設定費用はかかりません。
フルGPT-5（利用可能な場合）と比較すると、GPT-5 Miniはトークンあたりのコストが安くなる可能性が高い（入力：$0.25 対 おそらく$1以上）。ただし、その幅は減少しているかもしれない。中程度のコンテキストや推論しか必要としないタスクでは、GPT-4o Mini（入力：$0.15）のような安価なモデルを使用することでコストを節約できる。トレードオフとして、GPT-5 Miniは40万トークンのコンテキストと強力な数学ベンチマークを提供する。高頻度のアプリケーションでは、トークンあたりのわずかな差も積み重なる。平均的なプロンプトと生成サイズを見積もる必要がある。画像やファイルが一般的な場合、モダリティによるトークンコストも考慮に入れる必要がある。
提供された情報には、OrcaRouterによるキャッシュ機能や割引についての言及はありません。価格は厳密にプロバイダーのレートに基づき、マークアップはゼロです。一部のモデルプロバイダーは（繰り返しのプロンプトなどに対する）キャッシュされた入力の割引を提供していますが、OpenAIまたはOrcaRouterがGPT-5 Miniでそのようなオプションを提供しているかは明記されていません。コストを最小化するには、プロンプトの長さを最適化し、システムプロンプトを再利用し、大きなファイルや画像による不要なトークン使用を避けることができます。OrcaRouterは将来的にキャッシュを提供する可能性がありますが、現時点ではトークン単位の従量課金制であると想定してください。
OrcaRouterは、base_url https://api.orcarouter.ai/v1 でOpenAI互換のAPIエンドポイントを提供します。GPT-5 Miniを使用するには、modelパラメータに"openai/gpt-5-mini"を設定してください。リクエスト形式はOpenAIのchat completions APIと同一です。例: POST /v1/chat/completions で、ヘッダーにOrcaRouterのAPIキーを含めます。JSON本文には"model": "openai/gpt-5-mini"、"messages": [...]、およびmax_tokens、temperatureなどのオプションパラメータを含めます。レスポンスもOpenAIと同じ構造に従います。これにより、ベースURLとモデル名を変更するだけで、OpenAI直接呼び出しからの移行が容易になります。
このAPIは標準的なチャット完了パラメータをサポートしています: messages (role-contentオブジェクトの配列), max_tokens (最大128000), temperature, top_p, n, stop, frequency_penalty, presence_penalty, stream (ストリーミング用のブール値)。マルチモーダル入力の場合は、"text" と "image_url" または "file_url" タイプのcontentパーツを含めます。ファイル入力の正確な命名は指定されていませんが、OpenAIの標準的なファイルまたはデータURI形式を使用できます。logprobs、tools、tool_choiceなどのパラメータはサポートされている可能性がありますが、提供されたデータでは確認されていません。完全なパラメータの詳細については、OpenAIのドキュメントを参照してください。
マイグレーションでは、通常コード内で2つの変更が必要です。1) ベースURLを https://api.orcarouter.ai/v1 に変更する。2) モデルIDを "openai/gpt-5-mini" に置き換える。既存のAPIクライアント（例: openai Pythonライブラリ）は、api_baseまたはbase_urlを設定することで構成できます。OrcaRouterのAPIキーは、OpenAIキーの代わりに使用する必要があります。APIはOpenAI互換であるため、他のリクエストパラメータやレスポンス処理はそのまま維持されます。メッセージ形式やレスポンスパーサーを変更する必要はありません。ストリーミングを使用する場合は、同じstream=Trueパターンを使用してください。
APIはOpenAIのレート制限と可用性を継承していますが、OrcaRouterが独自のクォータを課す場合があります。400Kトークンのコンテキストウィンドウ制限はリクエストあたりです。128Kトークンの最大出力もリクエストあたりです。関数呼び出しやプラグインのサポートについては言及されていません。ファイルアップロードに関しては、指定されていないサイズ制限がある可能性があります。このAPIは、OpenAIがGPT-5 Mini向けに提供する高度な機能を超えたカスタムモデルのファインチューニングには対応していません。特定の使用ポリシーやスロットリングについては、OrcaRouterのドキュメントを確認する必要があります。
GPT-5 Mini（コンテキスト400K、AA Math 90.7）対 GPT-4o（コンテキストは通常128K、AA Mathスコアは未提供）。GPT-5 Miniはより大きなコンテキストウィンドウを持ち、数学的推論もおそらく優れています。しかし、GPT-4oは創造性、画像理解、多言語タスクにおいてより幅広い能力を持つ可能性があります。GPT-4oの料金は、前回のアップデート時点で入力（$2.50）および出力（$10）が1百万トークンあたり同程度かやや高めです。GPT-5 Miniは両方の面で安価です。長いコンテキストと数学を必要とするタスクにはGPT-5 Miniが有利です。汎用チャットボットや創造的なタスクにはGPT-4oの方が適しているかもしれません。
Claude 3.5 Sonnetは200Kのコンテキストウィンドウを提供し、推論能力に優れていますが、AA Mathスコアは提供していません。Claude 3.5 Sonnetの価格は100万トークンあたり入力$3.00、出力$15.00で、GPT-5 Miniよりも大幅に高くなっています。GPT-5 Miniは2倍のコンテキストを持ち、コストも低くなっています。ただし、Claudeは安全性、拒否対応、長文書の要約において優れている可能性があります。ベンチマーク重視の数学タスクでは、GPT-5 Miniの90.7が直接的な利点となります。大量かつコスト重視のデプロイメントが必要なユーザーは、GPT-5 Miniを好むかもしれません。
GPT-4o Mini（128Kコンテキスト、入力約$0.15、出力約$0.60）やGemini 1.5 Flashのような小型モデルは、トークンあたりのコストが低く、レイテンシも低くなる可能性があります。タスクに400KコンテキストやAA Math 90.7の数学的精度が必要ない場合、これらのモデルでコストを削減できます。例えば、単純な分類、短い要約、基本的なQ&Aは、小型モデルでも十分機能することが多いです。GPT-5 Miniは、より大きなコンテキストと強力な数学的推論が実際に出力品質に影響するジョブに使用するのが最適です。GPT-5やClaude Opusのような大型モデルは、非常に微妙なタスクに必要となる場合があります。
OpenAI 互換——今お使いの SDK のまま
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| 入力 / 1M tokens | $0.250 |
|---|---|
| 出力 / 1M tokens | $2.00 |
| キャッシュ読み取り / 1M | $0.025 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
今週の開発者の声
@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