OpenAI o4-mini는 o 시리즈에서 새롭게 출시된 경량 모델로, 텍스트 및 비주얼 작업 전반에서 효율적인 추론 능력을 제공합니다. 속도와 성능에 최적화된 이 모델은 코드 생성과 이미지 기반 이해에 강점을 가지며, 지연 시간과 추론 깊이 사이의 균형을 유지합니다. 최대 20만 개의 토큰 컨텍스트 윈도우와 최대 10만 개 출력 토큰을 지원하여 장시간 대용량 상호작용에도 적합합니다. 텍스트와 이미지 입력 모두를 처리하며 고급 추론 기능을 갖춘 텍스트 출력을 생성합니다. 소형 아키텍처와 다목적 성능 덕분에, 빠르고 비용 효율적인 지능이 요구되는 다양한 실제 응용 분야에 적합합니다.
웹사이트 AI 모델 웹페이지 | |
제공자 이 모델을 제공하는 주체. | |
채팅 채팅을 시작하려면 메시지를 입력하세요 | |
출시일 모델이 처음 출시된 날짜. | 1 년 ago 4월 16, 2025 |
모달리티 이 모델이 처리할 수 있는 데이터 유형 | 텍스트 이미지 |
API 제공자 이 모델을 제공하는 업체들. (전체 목록이 아님) | OpenAI API |
지식 업데이트 종료일 모델의 지식이 마지막으로 업데이트된 날짜. | - |
오픈 소스 모델 코드가 공개적으로 사용 가능한지 여부. | 아니오 |
입력 가격 프롬프트 토큰 처리 비용 | $1.10 100만 토큰당 |
출력 가격 모델이 생성한 토큰 비용 | $4.40 100만 토큰당 |
MMLU Massive Multitask Language Understanding - 수학, 역사, 법학 등 57개 과목에 걸친 지식 테스트 | fort |
MMLU-Pro 더 어렵고 추론 중심의 질문, 더 큰 선택지, 프롬프트 민감도 감소로 강화된 MMLU 벤치마크 | - |
MMMU Massive Multitask Multimodal Understanding - 텍스트, 이미지, 오디오, 비디오에 걸친 이해력 테스트 | 81.6% 출처 |
HellaSwag 도전적인 문장 완성 벤치마크 | - |
HumanEval 코드 생성 및 문제 해결 능력 평가 | 14.28% 출처 |
MATH 다양한 난이도의 수학 문제 해결 능력 테스트 | - |
GPQA 화학, 생물학, 물리학 분야의 박사 수준 지식을 깊은 전문성이 필요한 객관식 문제로 테스트 | 81.4% 출처 |
IFEval 모델이 명시적 형식 지침을 정확히 따르고 적절한 출력을 생성하며 다양한 작업에서 일관된 지침 준수를 유지하는 능력 테스트 | - |
SimpleQA 간단한 질문의 정확성 평가 | - |
AIME 2024 | 93.4% 출처 |
AIME 2025 | 92.7% 출처 |
Aider Polyglot 다국어 프로그래밍 벤치마크. | - |
LiveCodeBench v5 실시간 프로그래밍 벤치마크 | - |
Global MMLU (Lite) 전 세계적으로 모델의 범용성을 평가하기 위한 간소화된 벤치마크 버전. | - |
MathVista 시각적 맥락에서 AI 모델의 수학적 추론 능력을 평가합니다 | - |
모바일 앱 | |
MathArena | |
| 평균 점수 | 87% |
| AIME 2025 American Invitational Mathematics Examination의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 92% |
| HMMT February 2025 2025년 2월 Harvard-MIT Mathematics Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 83% |
| BRUMO 2025 | 87% |
| SMT 2025 2025년 Stanford Math Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 89% |
| CMIMC 2025 2025년 Canadian Mathematical Olympiad의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 84% |