从条件走向可检查的解法
o4-mini擅长数学与逻辑任务，适合把题目条件转成求解步骤、检查候选答案，再解释关键结论。使用时可要求它列出假设、边界情况和验证方法，而不是只给最终数字。涉及复杂计算时，接入计算工具能让分析与数值核验分工更清楚。
All models
Get your API key
o4-mini
OpenAIChatreasoningvision
Input 2.3127 Credits / 1MOutput 9.2509 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 模型定位
- o系列小型推理模型，侧重效率与成本平衡
- 输入与输出
- 文本、图像输入；文本回答与函数调用请求
- 图文输入方式
- Chat Completions使用text与image_url内容块
- 开发者接口
- /openai/responses、/openai/chat/completions
- 推理配置
- Responses提供reasoning；Chat Completions提供reasoning_effort配置字段
- 交付与会话
- 支持流式接收；AI Chat入口可通过stateful与id延续会话
数学、编程与视觉推理属于模型能力；会话保存、工具执行及输出配置由所选接口和应用设置共同决定。
核心能力
了解 o4-mini 能为你的工作带来什么。
让代码分析围绕问题展开
编程是o4-mini的主要强项之一。给出代码片段、报错和预期行为后，可让它分析问题、比较修复思路，并整理测试建议。它也适合辅助数据科学任务中的实现讨论；代码能否运行仍需在实际环境中验证，模型回答本身不会自动执行程序。
把图片作为推理材料
o4-mini能结合图像与文字分析问题，适合读取教材图示、白板笔记和手绘草图，再围绕关系、条件或疑点进行解释。它不仅用于描述画面，也可参与基于图示的求解。提交图片时附上具体问题，并指出关注区域，通常比笼统要求分析更有效。
适用场景
从具体任务出发，找到模型发挥作用的位置。
图文题目讲解
输入题目照片、已知条件和自己的尝试，让o4-mini整理题意、指出推导中的断点，并交付可检查的解题说明。适合教学辅助与练习反馈。若图中符号不清晰，可同时补充文字条件，避免识别偏差沿着后续推理不断放大。
代码修复与测试设计
提交相关函数、错误日志和输入样例，要求o4-mini给出原因分析、修改方案及覆盖边界的测试用例。交付物可以是补丁建议和测试清单。把任务限定到具体模块，并说明语言版本、依赖及行为约束，便于得到更贴近项目的回答。
持续的数据分析讨论
提供数据摘要、字段定义与业务问题，让o4-mini协助选择分析方法、解释异常并生成分析代码。需要反复追问时，可使用托管会话保留讨论上下文。交付时要求区分数据事实、推测和待验证事项，避免把看似合理的解释当成确定结论。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与o3比较，按任务复杂度取舍
当任务集中在数学、代码或图文分析，并需要经常调用时，o4-mini是重视效率的选择。o3更偏向复杂、多方面的综合推理，适合答案不明显、需要深入比较假设的问题。可先用典型样例评估o4-mini的结果，再决定哪些高难任务需要交给o3复核。
从o3-mini升级，关注任务覆盖
相较o3-mini，o4-mini在官方评估中扩展了非STEM及数据科学任务的表现，同时适合把视觉材料纳入推理。已有数学或代码助手若开始处理图示、截图与业务分析，可以优先评估它。o4-mini-high是更高推理投入的选项，不应当作此处另一个独立调用型号。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 视觉理解并不保证准确读出模糊符号、细小标注或复杂图表。题目照片中的负号、指数与单位尤其值得核查；建议提供清晰图片并补充关键文字，让模型先复述识别到的条件，再继续求解。
- 函数调用请求不等于工具已执行。使用Chat Completions接入自定义函数时，应用需执行工具并回传结果；AI Chat v2可在服务端执行内置工具，并使用已授权的连接工具。是否完成查询、读取或其他操作，应以实际工具执行结果为准，而非仅凭模型回复判断。涉及写入或外部操作时，应明确授权范围；后台无人值守任务还需满足相应的预授权与工具安全要求。
- 推理投入增加不等于答案必然正确，也不能把工具辅助评测当成每次请求的效果。数学结论应检查条件与计算，代码修改应运行测试；回复预算设得过紧时，长分析可能无法完整交付。
常见问题
解答使用 o4-mini 时的常见疑问。
o4-mini适合普通聊天还是复杂解题？
它可以进行对话，但更有选择价值的是需要推导、代码分析或图文判断的任务。若需求只是简短改写，不一定需要推理模型；遇到条件较多、需要验证思路的问题，o4-mini的定位更匹配。
怎样让o4-mini分析图片中的题目？
使用Chat Completions时，在messages的content中组合text和image_url内容块，文字说明要解答的问题。建议让它先确认图中条件，再给出解法；图片看不清的公式或标注应另行输入文字。
o4-mini会自动运行它写出的Python吗？
不会仅因生成Python代码就自动执行。需要配置可运行代码的工具，并完成调用与结果回传。未接入执行工具时，可以让它提供代码和验证步骤，但应把数值结果与运行结果分别看待。
接入o4-mini应该选哪个接口？
已有messages式客户端可选Chat Completions；围绕响应事件与工具流程构建应用，可选Responses。希望由服务保存多轮历史时，可选AI Chat v2，通过stateful和返回的id继续会话。
o4-mini与o4-mini-high是什么关系？
o4-mini-high是ChatGPT中与更高推理投入相关的选项，不代表这里需要改用另一个模型ID。调用仍选择o4-mini；推理配置应与所用接口匹配，并通过实际任务比较质量与响应体验。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.22per 1M tokens
Official $1.10
Output
$0.88per 1M tokens
Official $4.40
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.