К результатам поиска

OpenAI

GPT 5 Mini

Компактная и более быстрая версия GPT-5 для чётко сформулированных задач.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запрашивать несколько вызовов инструментов. Приложение проверяет права и выполняет действия.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 400 000 токенов400 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
  • Входные файлыВходные файлыМодель принимает файлы. Поддерживаемые форматы и ограничения проверяйте перед отправкой.
  • Пакетные запросыПакетные запросыПакетный режим указан в данных модели. Это не означает, что отдельный batch API уже подключён в Kvantora.
Вход
31,65 ₽
Выход
253,20 ₽
Кэш
3,17 ₽
за 1 млн токенов
Интеллект
16,8
Код
15,6
Доступность
100%
API ID
openai/gpt-5-mini

Данные каталога получены .

Цена

Текстовый диалог · вход
31,65 ₽ / 1 млн токенов
Текстовый диалог · выход
253,20 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
3,17 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

GPT-5 mini предназначена для хорошо определённых задач и точных инструкций. Она принимает текст и изображения, выдаёт текст и использует токены рассуждений. OpenAI не указывает для этой модели поддержку аудио или видео.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 99,9%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
400 000 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
128 000 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения

Контрольные показатели

Artificial Analysis

23 показателей · проверено

Источник ↗
Индекс интеллекта
16,8 индексСводная оценка Artificial Analysis по всем её тестам
Индекс программирования
15,6 индексСводная оценка Artificial Analysis по программированию
Индекс агентных задач
6,8 индексСводная оценка Artificial Analysis по агентным задачам

Агентная работа

  • AA-Briefcase424 Elo

    Агентная работа со знаниями (Elo)

  • AutomationBench-AA6,5 %

    Автоматизация рабочего процесса со штрафами за нарушение ограничений

  • GDPval-AA v2770 Elo

    Экономически значимые задачи (Elo)

Рассуждение по документу

  • AA-LCR v1.172,3 %

    Рассуждение на длинном контексте с обновлённой оценкой

  • GDP.pdf8,4 %

    Профессиональное рассуждение по PDF: доля прохождения всех проверок

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)72,3 %

    Оценка рассуждений на длинном контексте

  • GDPval-AA (версия не указана, архивный)13,5 %

    Задачи с экономической ценностью

  • GPQA Diamond (архивный)82,8 %

    Научные рассуждения уровня выпускника

  • T²-Bench Telecom (архивный)68,4 %

    Разговорные ИИ-агенты в сценариях с двойным управлением

  • Terminal-Bench Hard (архивный)33,3 %

    Агентное программирование и работа в терминале

Знания

  • AA-Omniscience · точность25 %

    Доля вопросов с правильным ответом

  • MMLU-Pro83,7 %

    Профессиональные и академические предметные знания

Знание

  • AA-Omniscience · доля выдуманных ответов (меньше лучше)56,4 %

    Доля неверных ответов среди некорректных ответов

Рассуждения

  • AIME 202590,7 %
  • HLE21,5 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • CritPt0 %

    Рассуждения по физике исследовательского уровня

  • IFBench75,4 %

    Тест на следование инструкциям

Программирование

  • LiveCodeBench83,8 %

    Бенчмарк по программированию без загрязнения данных

  • SciCode39 %

    Программирование на Python для научных вычислений

  • Terminal-Bench v4.00 %

    Практические задачи по программированию и работе в терминале

Design Arena

14 показателей · проверено

Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми

Источник ↗

Модели

  • 3D · Elo1 055 Elo
  • 3D · доля побед36,9 %
  • ASCII-графика · Elo1 137 Elo
  • ASCII-графика · доля побед44,7 %
  • Визуализация данных · Elo1 142 Elo
  • Визуализация данных · доля побед43,7 %
  • Разработка игр · Elo1 142 Elo
  • Разработка игр · доля побед46,5 %
  • SVG · Elo1 096 Elo
  • SVG · доля побед45,8 %
  • UI-компоненты · Elo1 115 Elo
  • UI-компоненты · доля побед41,9 %
  • Сайты · Elo1 133 Elo
  • Сайты · доля побед44,3 %

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "openai/gpt-5-mini",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ