GPT-4o mini เป็นโมเดลใหม่ล่าสุดของ OpenAI หลังจาก [GPT-4 Omni](/models/openai/gpt-4o) ซึ่งรองรับทั้งอินพุตข้อความและรูปภาพพร้อมเอาต์พุตข้อความ ในฐานะที่เป็นโมเดลขนาดเล็กที่ล้ำหน้าที่สุดของพวกเขา มันมีราคาถูกกว่าหลายเท่า...
GPT-4o-mini เป็นโมเดลที่เล็กกว่าและเร็วกว่าของ OpenAI GPT-4o ซึ่งถูกปรับให้เหมาะสมสำหรับต้นทุนการคำนวณที่ต่ำลง ในขณะที่ยังคงความสามารถหลายรูปแบบ (multimodal) ไว้ สามารถประมวลผลข้อความ รูปภาพ…
GPT-4o-mini มีความเชี่ยวชาญในงานภาษาที่หลากหลาย รวมถึงการสรุป การแปล การจำแนกประเภท และการตอบคำถาม รองรับเอาต์พุต JSON แบบมีโครงสร้าง การเรียกใช้ฟังก์ชัน และการใช้เครื่องมือ ทำให้สามารถบูรณาการกับ API ภายนอกและฐานข้อมูลได้ บริบทหน้าต่าง 128K ช่วยให้สามารถนำเอกสารขนาดใหญ่หรือประวัติการสนทนามาวิเคราะห์อย่างสอดคล้องกัน มีประสิทธิภาพดีในการวัดมาตรฐานทั่วไป (คะแนน MATH-500 อยู่ที่ 78.9) และเหมาะสำหรับปัญหาคณิตศาสตร์เพื่อการศึกษา การอธิบายโค้ด และการสกัดข้อมูล สำหรับงานที่ง่ายกว่า GPT-4o-mini มักจะเทียบเท่ากับโมเดลขนาดใหญ่กว่าในราคาที่ถูกกว่ามาก อย่างไรก็ตาม งานที่ต้องการความเชี่ยวชาญเชิงลึกในโดเมนหรือผลลัพธ์ที่สร้างสรรค์สูงอาจมีคุณภาพลดลงเมื่อเทียบกับ GPT-4o
รูปภาพสามารถระบุเป็น URL หรือข้อมูลที่เข้ารหัส base64 ภายในคำขอ API โมเดลจะตีความรูปภาพ โดยทำความเข้าใจเนื้อหาที่เป็นภาพ เช่น วัตถุ ข้อความในภาพ และความสัมพันธ์เชิงพื้นที่ ซึ่งช่วยให้สามารถใช้งานกรณีต่างๆ เช่น การตอบคำถามด้วยภาพ การตีความไดอะแกรม และการจดจำตัวเลขที่เขียนด้วยมือ โทเค็นของรูปภาพจะนับรวมในขีดจำกัดบริบท ดังนั้นรูปภาพที่มีความละเอียดสูงหรือขนาดใหญ่จะกินงบประมาณ 128K โทเค็นมากขึ้น โมเดลไม่ได้สร้างภาพขึ้นมาใหม่ แต่ประมวลผลภาพเท่านั้น สำหรับงานที่ต้องการรายละเอียดภาพที่ละเอียดมาก (เช่น ภาพทางการแพทย์) โมเดลที่เชี่ยวชาญด้านภาพอาจมีความแม่นยำมากกว่า แต่ GPT-4o-mini นำเสนอโซลูชันทั่วไปในราคาที่สมเหตุสมผล
GPT-4o-mini รองรับไฟล์ที่อัปโหลด นอกเหนือจากข้อความและรูปภาพ ประเภทไฟล์ทั่วไปได้แก่ PDF, .docx, .txt, .csv และ .json โมเดลจะดึงข้อความและองค์ประกอบภาพที่เกี่ยวข้อง (หากไฟล์มีรูปภาพฝังอยู่) และประมวลผลเป็นส่วนหนึ่งของบริบท สิ่งนี้มีประโยชน์สำหรับการวิเคราะห์เอกสารวิจัย สัญญาทางกฎหมาย หรือสเปรดชีต โดยไม่ต้องคัดลอกด้วยตนเอง โปรดทราบว่าเนื้อหาไฟล์มีผลต่อการใช้งานโทเค็น ตัวอย่างเช่น PDF จำนวน 50 หน้าอาจใช้โทเค็นหลายพันโทเค็น OrcaRouter คิดค่าบริการตามจำนวนโทเค็นอินพุตทั้งหมด รวมถึงโทเค็นจากไฟล์ ไม่มีค่าธรรมเนียมการประมวลผลไฟล์เพิ่มเติมนอกเหนือจากการใช้โทเค็น
หากเวิร์กโหลดของคุณเกี่ยวข้องกับข้อความเท่านั้นโดยไม่มีรูปภาพหรือไฟล์ และบริบทที่ต้องการต่ำกว่า 16K โทเค็น โมเดลที่เล็กกว่า (เช่น GPT-3.5-turbo) อาจมีต้นทุนต่อโทเค็นที่ต่ำกว่า ในทำนองเดียวกัน สำหรับงานที่ต้องการปริมาณงานสูงมาก เช่น การจำแนกประเภทอย่างง่ายหรือถาม-ตอบพื้นฐาน โมเดลที่ได้รับการปรับแต่งอย่างเฉพาะเจาะจงอาจประหยัดกว่า GPT-4o-mini มีความคุ้มค่าสำหรับกรณีการใช้งานแบบมัลติโมดัลหรือบริบทยาว แต่จุดแข็งของมันคือการสร้างสมดุลระหว่างประสิทธิภาพและราคา หากแอปพลิเคชันของคุณสามารถยอมรับการตอบสนองที่ช้าลงหรือต้นทุนที่สูงขึ้นเพื่อความแม่นยำสูงสุด GPT-4o เป็นทางเลือกอื่น ทดสอบงานเฉพาะของคุณเพื่อยืนยันว่าโมเดลใดตรงตามเกณฑ์คุณภาพและงบประมาณของคุณ
MATH-500 เป็นส่วนย่อยของชุดทดสอบ MATH ซึ่งประกอบด้วยโจทย์คณิตศาสตร์ระดับแข่งขัน 500 ข้อที่ครอบคลุมพีชคณิต เรขาคณิต ทฤษฎีจำนวน และความน่าจะเป็น คะแนน 78.9 บ่งชี้ว่า GPT-4o-mini ตอบคำถามเหล่านี้ถูกต้องประมาณ 78.9% นี่เป็นผลลัพธ์ที่แข็งแกร่งสำหรับโมเดลขนาดเล็ก สะท้อนถึงความสามารถในการให้เหตุผลทางคณิตศาสตร์ มันเหนือกว่าโมเดลรุ่นก่อนหน้าหลายรุ่นที่มีขนาดใกล้เคียงกัน อย่างไรก็ตาม ประสิทธิภาพอาจแตกต่างกันไปในแต่ละโดเมนปัญหา การทดสอบนี้ดำเนินการภายใต้เงื่อนไขแบบ zero-shot หมายความว่าไม่มีตัวอย่างมาก่อน สำหรับการสอนคณิตศาสตร์ในโลกจริง โมเดลอาจต้องการคำแนะนำที่ระมัดระวังเพื่อจัดการกับคำตอบแบบหลายขั้นตอนอย่างถูกต้อง
แม้ว่าเกณฑ์มาตรฐานที่ให้ไว้เพียงอย่างเดียวคือ MATH-500 แต่ข้อมูลสาธารณะที่รู้จักกันอย่างแพร่หลายบ่งชี้ว่า GPT-4o-mini ยังทำคะแนนได้อย่างแข่งขันใน MMLU (ความเข้าใจภาษาหลายงานขนาดใหญ่), HellaSwag และ GSM8K โดยทั่วไปแล้วจะอยู่ในอันดับต่ำกว่า GPT-4o แต่สูงกว่า GPT-3.5-turbo ในเกณฑ์เหล่านี้ ในเกณฑ์มาตรฐานด้านการให้เหตุผล มันแสดงประสิทธิภาพที่แข็งแกร่งสำหรับจำนวนพารามิเตอร์ของมัน ในการเขียนเชิงสร้างสรรค์หรือการสร้างข้อความแบบเปิด ผลลัพธ์มีความสอดคล้องแต่อาจขาดความละเอียดอ่อนของโมเดลขนาดใหญ่ ความหน่วงโดยทั่วไปต่ำกว่า GPT-4o ทำให้เหมาะสำหรับแอปพลิเคชันแบบเรียลไทม์ สำหรับคะแนนที่แน่นอน โปรดดูเอกสารของ OpenAI OrcaRouter ให้การเข้าถึงโดยไม่มีมาร์กอัปเพิ่มเติม
ความหน่วงขึ้นอยู่กับความซับซ้อนของคำขอ จำนวนโทเค็น และโหลดของ API GPT-4o-mini ออกแบบมาให้รวดเร็ว โดยปกติจะส่งคืนโทเค็นแรกในเวลาต่ำกว่าหนึ่งวินาทีสำหรับพรอมป์ที่มีความยาวปานกลาง สำหรับเอกสารยาว (เช่น 50K โทเค็น) ความหน่วงจะเพิ่มขึ้นเมื่อโมเดลประมวลผลบริบททั้งหมด OrcaRouter ไม่ได้ปรับเปลี่ยนความเร็ว คุณจะได้รับเวลาตอบสนองเดียวกันกับการเรียก API ของ OpenAI โดยตรง รองรับการสตรีมเพื่อลดความหน่วงที่รับรู้ สำหรับแอปพลิเคชันที่ไวต่อความหน่วง ให้พิจารณาใช้พรอมป์สั้นและใช้การสตรีม เวลาจนถึงโทเค็นแรกที่แน่นอนสามารถวัดได้โดยการตรวจสอบเวลาตอบสนอง ไม่มีการให้ SLA เฉพาะ
ถึงแม้จะมีความสามารถ แต่ GPT-4o-mini ก็มีข้อจำกัดเนื่องจากขนาดที่เล็กกว่า อาจให้คำตอบที่แม่นยำน้อยกว่าในขั้นตอนการให้เหตุผลที่ซับซ้อนหลายขั้นตอนเมื่อเทียบกับ GPT-4o บางครั้งอาจตีความคำแนะนำที่มีความละเอียดอ่อนผิดพลาดหรือไม่สามารถรักษาความสอดคล้องที่สมบูรณ์แบบในเอาต์พุตที่ยาวมาก ความเข้าใจแบบหลายรูปแบบของมันนั้นดีแต่ไม่ไร้ที่ติ อาจพลาดรายละเอียดเล็กๆ น้อยๆ ในภาพหรือนับองค์ประกอบผิด ตัวแบบอาจแสดงอคติที่มีอยู่ในข้อมูลการฝึก ไม่รองรับการค้นหาทางอินเทอร์เน็ตหรือการเข้าถึงข้อมูลแบบเรียลไทม์ เว้นแต่จะได้รับการปรับแต่งอย่างชัดเจนสำหรับการใช้เครื่องมือ สำหรับงานที่ต้องการความแม่นยำสูง (เช่น คำแนะนำทางกฎหมาย การวินิจฉัยทางการแพทย์) การตรวจสอบโดยมนุษย์เป็นสิ่งจำเป็น คะแนนการวัดประสิทธิภาพสะท้อนถึงสภาพแวดล้อมที่มีการควบคุม ประสิทธิภาพในโลกจริงอาจแตกต่างกัน
OrcaRouter ส่งผ่านราคาที่แน่นอนของ OpenAI โดยไม่มีส่วนเพิ่ม: $0.15 ต่อ 1 ล้าน input tokens และ $0.60 ต่อ 1 ล้าน output tokens Input tokens รวมถึงข้อความทั้งหมด, tokens รูปภาพ, และเนื้อหาไฟล์ Output tokens นับข้อความที่สร้างขึ้น ไม่มีค่าธรรมเนียมรายเดือนหรือค่าใช้จ่ายแอบแฝง นี่เป็นหนึ่งในต้นทุนต่อ token ที่ต่ำที่สุดสำหรับโมเดล multimodal ที่มีหน้าต่างบริบท 128K สำหรับการเปรียบเทียบ GPT-4o มีราคา $2.50 ต่อ 1M input และ $10 ต่อ 1M output ทำให้ GPT-4o-mini ถูกกว่า 94% ในส่วน input และถูกกว่า 94% ในส่วน output ข้อได้เปรียบด้านต้นทุนมีความสำคัญสำหรับแอปพลิเคชันที่มีปริมาณการใช้งานสูง
แม้ว่า GPT-4o-mini จะมีราคาถูกต่อโทเค็น แต่ขนาดที่เล็กกว่าอาจต้องใช้ความพยายามมากขึ้นหรือคำแนะนำที่ละเอียดมากขึ้นเพื่อให้ได้ความแม่นยำตามต้องการ ซึ่งอาจเพิ่มปริมาณการใช้โทเค็นโดยรวม สำหรับงานที่ GPT-4o ได้คำตอบที่ถูกต้องในครั้งเดียว แต่ GPT-4o-mini ต้องลองสามครั้ง ค่าใช้จ่ายโดยรวมอาจใกล้เคียงกันหรือสูงกว่า นอกจากนี้ หากคุณต้องส่งคำขอขนาดเล็กจำนวนมาก ค่าใช้จ่ายแฝงของการเรียก API อาจเพิ่มความหน่วง แต่ไม่ใช่ต้นทุนโดยตรง ไม่มีการใช้แคช แต่ละคำขอจะถูกประมวลผลใหม่ ประเมินกรณีการใช้งานของคุณด้วยทั้งสองโมเดลเพื่อหาสมดุลระหว่างต้นทุนและประสิทธิภาพที่ดีที่สุด OrcaRouter ให้ราคาที่สม่ำเสมอโดยไม่มีส่วนลดตามปริมาณ
OrcaRouter ไม่ได้มีการแคชคำขอ (prompt caching) คำขอทุกครั้งที่ส่งไปยัง GPT-4o-mini จะถูกส่งไปยังเซิร์ฟเวอร์ของ OpenAI และคิดค่าใช้จ่ายตามจำนวนโทเคน ไม่มีอัตราส่วนลดสำหรับคำขอที่ซ้ำกัน หากเวิร์กโหลดของคุณมีการใช้ข้อความระบบหรือบริบทที่ยาวซ้ำกันบ่อยครั้ง คุณอาจพิจารณาจัดเก็บการตอบกลับไว้ในฝั่งของคุณเพื่อหลีกเลี่ยงการส่งคำขอที่เหมือนกันซ้ำอีก ผู้ให้บริการบางรายมีส่วนลดสำหรับการแคชคำขอ แต่เมื่อใช้ผ่าน OrcaRouter คุณจะจ่ายในอัตรามาตรฐานของผู้ให้บริการ ซึ่งมีความโปร่งใสและคาดการณ์ได้ การไม่มีระบบแคชช่วยลดความซับซ้อนของราคา แต่หมายความว่าคุณควรออกแบบคำค้นหาให้ลดการใช้โทเคนที่ซ้ำซ้อนให้น้อยที่สุด
(หมายเหตุ: ไม่มีตัวแปรอื่นของ GPT-4o-mini ให้มา โดยสมมติว่าคำถามเกี่ยวกับการเปรียบเทียบกับมินิโมเดลอื่นอย่าง Claude 3 Haiku หรือ Gemini Flash แต่มีเพียงข้อเท็จจริงที่ให้มาเท่านั้น ดังนั้นเราจึงเปรียบเทียบกับ GPT-4o) เมื่อเทียบกับ GPT-4o แล้ว GPT-4o-mini มีราคาถูกกว่าอย่างมาก: $0.15 เทียบกับ $2.50 ต่อ 1M input tokens (ถูกกว่า 94%) และ $0.60 เทียบกับ $10 ต่อ 1M output tokens (ถูกกว่า 94%) ผู้ใช้หลายคนพบว่า GPT-4o-mini เพียงพอสำหรับ 80-90% ของงาน ช่วยประหยัดค่าใช้จ่ายมหาศาล อย่างไรก็ตาม สำหรับงานที่ต้องการความแม่นยำสูงสุด (เช่น การสร้างโค้ดที่ซับซ้อน การให้เหตุผลทางกฎหมายที่ละเอียดอ่อน) การประหยัดต้นทุนอาจไม่คุ้มกับคุณภาพที่ลดลง OrcaRouter ช่วยให้คุณสลับระหว่างโมเดลได้อย่างง่ายดายผ่าน API endpoint เดียวกันโดยการเปลี่ยน model ID
ใช้ไลบรารีไคลเอนต์ของ OpenAI หรือไคลเอนต์ HTTP ใดก็ได้ โดยชี้ base URL ไปที่ https://api.orcarouter.ai/v1 ตั้งค่าพารามิเตอร์ model เป็น "openai/gpt-4o-mini" การยืนยันตัวตนต้องใช้คีย์ API ของ OrcaRouter ตัวอย่าง Python ขั้นต่ำ: import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your-key") response = client.chat.completions.create(model="openai/gpt-4o-mini", messages=[{"role": "user", "content": "Explain quantum computing."}]) พารามิเตอร์ทั้งหมดของ OpenAI API รองรับ รวมถึง temperature, max_tokens, stream และ tools OrcaRouter จะพร็อกซีคำขอไปยัง OpenAI และส่งคืนการตอบกลับโดยไม่เปลี่ยนแปลง
พารามิเตอร์ Standard OpenAI Chat Completions: model (จำเป็น: "openai/gpt-4o-mini"), messages (อาร์เรย์ของวัตถุข้อความ), temperature (0-2, ค่าเริ่มต้น 1), top_p (0-1, ค่าเริ่มต้น 1), n (จำนวนการตอบกลับ, ค่าเริ่มต้น 1), stream (บูลีน), stop (สตริง/อาร์เรย์), max_tokens (สูงสุด 16384), presence_penalty, frequency_penalty, logit_bias, user (ไม่บังคับ), และ tools สำหรับการเรียกใช้ฟังก์ชัน สำหรับ vision ให้รวมเนื้อหารูปภาพใน messages (ประเภท "image_url" หรือ "image_url" พร้อม detail) ไฟล์อินพุตสามารถเข้ารหัส base64 ได้ OrcaRouter ส่งพารามิเตอร์ทั้งหมดไปยัง OpenAI หมายเหตุ: รูปแบบการตอบกลับ (โหมด JSON) รองรับ; ตั้งค่า response_format={ "type": "json_object" } เมื่อเหมาะสม
การย้ายระบบนั้นง่ายดาย: เปลี่ยน base URL ในไคลเอนต์ของคุณจาก "https://api.openai.com/v1" เป็น "https://api.orcarouter.ai/v1" และเปลี่ยน API key ของคุณเป็น OrcaRouter key อัปเดตชื่อโมเดลเป็น "openai/gpt-4o-mini" (หรือเก็บไว้เป็น "gpt-4o-mini"? ข้อเท็จจริงระบุรหัสโมเดลเป็น "openai/gpt-4o-mini" ดังนั้นให้ใช้แบบนั้น) โค้ดอื่นๆ ทั้งหมดยังคงไม่เปลี่ยนแปลง เนื่องจาก API เข้ากันได้กับ OpenAI อย่างสมบูรณ์ คุณยังสามารถเก็บสตริงโมเดลหลายรายการและกำหนดเส้นทางตามต้นทุนหรือความสามารถได้ OrcaRouter ไม่เปลี่ยนแปลงรูปแบบการตอบกลับ ทดสอบด้วยคำค้นหาสองสามคำเพื่อให้แน่ใจว่า headers และ streaming ทำงานตามที่คาดหวัง
ใช่ GPT-4o-mini รองรับการสตรีมผ่านเซิร์ฟเวอร์-ส่งเหตุการณ์ (SSE) ให้ตั้งค่า stream=true ในการร้องขอ การตอบกลับจะเป็นชุดของชิ้นส่วนที่มีเนื้อหาเดลต้า ซึ่งช่วยลดเวลาในการรับโทเค็นแรกของผู้ใช้และช่วยให้แสดงผลแบบเรียลไทม์ OrcaRouter จะส่งต่อการตอบกลับแบบสตรีมโดยไม่มีการดัดแปลง โปรดทราบว่าจำนวนโทเค็นรวมที่คิดเงินยังคงเท่าเดิม การสตรีมทำงานร่วมกับรูปแบบอินพุตทั้งหมด (ข้อความ, รูปภาพ, ไฟล์) คุณยังสามารถรวมการสตรีมกับการเรียกฟังก์ชันได้ โมเดลจะสตรีมชิ้นส่วนการเรียกเครื่องมือเมื่อเหมาะสม พารามิเตอร์ max_tokens ใช้กับการตอบกลับทั้งหมด
GPT-4o-mini เป็นรุ่นน้องที่เล็กกว่าและถูกกว่าของ GPT-4o โดยมีต้นทุนต่ำกว่าประมาณ 94% ทั้งในโทเค็นอินพุตและเอาต์พุต มีหน้าต่างบริบท 128K เท่ากันและเอาต์พุตสูงสุด 16K รองรับอินพุตแบบหลายรูปแบบเดียวกัน แต่โดยทั่วไปจะมีความแม่นยำน้อยกว่าเล็กน้อยในงานที่ต้องใช้เหตุผลซับซ้อนและงานสร้างสรรค์ ใน MATH-500 GPT-4o-mini ได้คะแนน 78.9 ในขณะที่ GPT-4o ได้คะแนนประมาณ 92+ สำหรับงานทั่วไปในชีวิตประจำวัน เช่น การสนับสนุนลูกค้า การสรุปความ และการมองเห็นอย่างง่าย GPT-4o-mini ก็เพียงพอแล้ว เลือก GPT-4o เมื่อคุณต้องการประสิทธิภาพระดับสูงสุดและสามารถยอมรับความหน่วงและต้นทุนที่สูงขึ้น
การเปรียบเทียบกับโมเดลอย่าง Claude 3 Haiku หรือ Gemini 1.5 Flash: GPT-4o-mini มีหน้าต่างบริบท 128K ในขณะที่ Haiku รองรับ 200K และ Flash 1M ราคาคล้ายกัน (Haiku $0.25/$1.25 ต่อ 1M tokens; Flash $0.35/$1.05) คะแนน MATH-500 ของ GPT-4o-mini ที่ 78.9 นั้นแข่งขันได้; Haiku ได้ประมาณ 73 และ Flash ประมาณ 78 ในการวัดมาตรฐานทางคณิตศาสตร์ที่คล้ายกัน สำหรับอินพุตหลายรูปแบบ ทั้งสามรุ่นรองรับรูปภาพ GPT-4o-mini อาจมีคุณภาพการให้เหตุผลที่ดีกว่าในราคาที่เทียบเคียง แต่หน้าต่างบริบทเล็กกว่าคู่แข่งบางราย ตัวเลือกที่ดีที่สุดขึ้นอยู่กับข้อกำหนดเฉพาะด้านเวลาแฝง ต้นทุน และคุณภาพของคุณ OrcaRouter ยังให้การเข้าถึง Haiku และ Flash เพื่อให้สามารถเปรียบเทียบแบบเคียงข้างกัน
GPT-3.5-turbo เป็นรุ่นเก่า มีหน้าต่างบริบท 16K และมีราคาถูกกว่าเล็กน้อย ($0.50 ต่ออินพุต 1M เทียบกับ $0.15 สำหรับ GPT-4o-mini? จริงๆ แล้ว GPT-3.5-turbo-0125 มีราคา $0.50/$1.50 แต่มีบริบทที่เล็กกว่า. จากราคาที่ให้มา GPT-4o-mini ถูกกว่าต่อโทเค็น และให้บริบทที่ใหญ่กว่า และอินพุตแบบมัลติโมดัล ดังนั้นสำหรับงานส่วนใหญ่ GPT-4o-mini เหนือกว่า อย่างไรก็ตาม แอปพลิเคชันเดิมบางตัวที่ใช้ GPT-3.5-turbo อยู่แล้วอาจต้องเปลี่ยนแปลงเพียงเล็กน้อย GPT-4o-mini ยังทำงานได้ดีกว่าในการวัดประสิทธิภาพด้านการใช้เหตุผล เว้นแต่ความหน่วงมีความสำคัญอย่างยิ่ง หรือคุณได้ปรับแต่งโมเดล GPT-3.5 แล้ว GPT-4o-mini คือการอัปเกรดแบบเปลี่ยนแทนที่ที่แนะนำ
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-4o-mini",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltylogit_biaslogprobsmax_completion_tokensmax_tokensnparallel_tool_callspredictionpresence_penaltyresponse_formatseedservice_tierstopstreamstructured_outputstemperaturetool_choicetoolstop_logprobstop_pweb_search_options| อินพุต / 1M โทเค็น | $0.150 |
| เอาต์พุต / 1M โทเค็น | $0.600 |
| อ่านแคช / 1M | $0.075 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/openai/gpt-4o-miniเปิด @misc{orcarouter_gpt_4o_mini,
title = {GPT-4o-mini API},
author = {OpenAI},
year = {2024},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-4o-mini}
}OpenAI. (2024). GPT-4o-mini API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-4o-mini