O4 Mini High
1776°
Lancer ce modèle
Offres / Pub
OpenAI | contexte de 200 000 tokens | 1,10 $/M entrée, 4,40 $/M sortie. OpenAI o4-mini-high est le même modèle que o4-mini avec reasoning_effort réglé sur high. OpenAI o4-mini est un modèle de raisonnement compact de la série o, optimisé pour des performances rapides et économiques tout en conservant de solides capacités multimodales et agentiques. Il supporte l'utilisation d'outils et démontre des performances compétitives en raisonnement et codage sur des benchmarks comme AIME (99,5 % avec Python) et SWE-bench, surpassant son prédécesseur o3-mini et approchant même o3 dans certains…OpenAI | contexte de 200 000 tokens | 1,10 $/M entrée, 4,40 $/M sortie. OpenAI o4-mini-high est le même modèle que o4-mini avec reasoning_effort réglé sur high. OpenAI o4-mini est un modèle de raisonnement compact de la série o, optimisé pour des performances rapides et économiques tout en conservant de solides capacités multimodales et agentiques. Il supporte l'utilisation d'outils et démontre des performances compétitives en raisonnement et codage sur des benchmarks comme AIME (99,5 % avec Python) et SWE-bench, surpassant son prédécesseur o3-mini et approchant même o3 dans certains domaines. Malgré sa taille réduite, o4-mini affiche une grande précision dans les tâches STEM, la résolution de problèmes visuels (ex. MathVista, MMMU) et l'édition de code. Il est particulièrement adapté aux scénarios à haut débit où la latence ou le coût est critique. Grâce à son architecture efficace et son entraînement affiné par apprentissage par renforcement, o4-mini peut chaîner les outils, générer des sorties structurées et résoudre des tâches multi-étapes avec un délai minimal — souvent en moins d'une minute.
Guides pour ce modèle
Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe
Notes du capitaine
Notes du 2026-10-13
o4 Mini High est le modèle o4-mini d’OpenAI avec l’effort de raisonnement réglé à son maximum. Vous bénéficiez de la même architecture compacte et économique que o4-mini, mais avec plus de calcul consacré à chaque réponse, ce qui améliore les performances sur les tâches difficiles en STEM, codage et raisonnement visuel. Il convient aux développeurs et chercheurs qui veulent une qualité proche de o3 sans payer les prix de o3.
Connu pour
- Excellentes performances en codage, y compris des résultats compétitifs sur SWE-bench.
- Précision en STEM et mathématiques, y compris résolution visuelle sur des benchmarks comme MathVista.
- Utilisation d’outils et réalisation de tâches agentiques multi-étapes.
- Fenêtre de contexte de 200 000 tokens à un prix par token relativement bas.
- Multimodal : gère les entrées images en plus du texte.
Attention à
- Poids fermés, API uniquement — vous ne pouvez pas l’exécuter localement ni inspecter le modèle.
- L’effort de raisonnement élevé signifie des réponses plus lentes que le o4-mini standard ; la latence compte pour un usage en temps réel.
- Les tokens de sortie à 4,40 $/M peuvent vite s’accumuler sur de longues chaînes de raisonnement.
Prompts à essayer
Déboguer un algorithme complexe
Voici une fonction Python censée retourner la plus longue sous-chaîne sans caractères répétés, mais elle donne de mauvais résultats sur certaines entrées. Trouvez le bug, expliquez pourquoi elle échoue, et donnez une version corrigée avec une brève explication de la correction.
def longest_unique(s):
seen = {}
start = 0
best = 0
for i, c in enumerate(s):
if c in seen:
start = seen[c]
seen[c] = i
best = max(best, i - start + 1)
return best
Planifier une recherche multi-étapes
Je dois évaluer si une petite entreprise SaaS doit migrer son application monolithique Rails vers des microservices. Listez les questions techniques et commerciales clés à répondre en premier, l’ordre d’investigation, et les critères qui rendraient la migration clairement rentable ou non.
Résoudre un problème mathématique visuel
Je joins un diagramme de géométrie. Identifiez tous les angles et longueurs déductibles des informations affichées, montrez votre raisonnement étape par étape, et donnez la réponse finale avec unités.
Comparer avec
- GPT-6 LunaModèle uniquement APIContexte de 1,050,000 tokens · entrée $0.10/M, sortie $0.50/M
- GPT-5.6 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $4.00/M, sortie $20.00/M
- GPT-6.1 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
- GPT-6 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
Plus de modèles de texte de openai
Questions fréquentes
- Puis-je exécuter o4 Mini High localement ?
- Non. C’est un modèle à poids fermés, API uniquement d’OpenAI ; il n’y a pas de téléchargement et il ne peut pas tourner sur votre matériel.
- Quel est le coût de o4 Mini High et quelle est la taille du contexte ?
- Le prix est de 1,10 $ par million de tokens d’entrée et 4,40 $ par million de tokens de sortie, avec une fenêtre de contexte de 200 000 tokens.
- En quoi o4 Mini High diffère-t-il de o4-mini ?
- C’est le même modèle sous-jacent avec le paramètre reasoning_effort réglé sur élevé, ce qui signifie qu’il consacre plus de calcul par réponse et devrait produire des réponses plus précises sur des problèmes difficiles, au prix d’une latence accrue.
Verdict du capitaineLe compromis raisonnable quand o3 paraît cher mais que le o4-mini standard laisse de la qualité de raisonnement sur la table.
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
O4 Mini High est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmopenaivisionraisonnementprogrammationmathématiquescontexte long
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153