Bisakah saya menjalankan GPT-4o mini secara lokal?

Tidak — bobotnya tidak dipublikasikan, jadi hanya bisa diakses lewat API OpenAI.

Berapa biaya GPT-4o mini dan berapa panjang konteksnya?

Biayanya $0,15 per juta token input dan $0,60 per juta token output, dengan jendela konteks 128.000 token.

Apa perbedaan GPT-4o mini dengan GPT-4o penuh?

GPT-4o mini adalah versi kecil dan lebih murah — biaya per token jauh lebih rendah tapi dengan kapasitas lebih sedikit untuk penalaran atau tugas instruksi paling berat.

▲

0.3%

minggu ini

GPT 4o mini

8105°

#llm #openai #visi #obrolan #cepat #anggaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

OpenAI | konteks 128.000 token | $0.15/M input, $0.60/M output. GPT-4o mini adalah model terbaru OpenAI setelah GPT-4 Omni, mendukung input teks dan gambar dengan output teks. Sebagai model kecil paling canggih mereka, harganya jauh lebih terjangkau dibanding model frontier terbaru lainnya, dan lebih dari 60% lebih murah daripada GPT-3.5 Turbo. Mempertahankan kecerdasan SOTA, sambil jauh lebih hemat biaya. GPT-4o mini mencapai skor 82% pada MMLU dan saat ini menempati peringkat lebih tinggi daripada GPT-4 pada papan peringkat preferensi obrolan umumOpens in new tab. Lihat pengumuman peluncuranOpens in new tab untuk mempelajari lebih lanjut. #multimodal

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

GPT-4o mini adalah model kecil dan cepat dari OpenAI yang menerima input teks dan gambar serta mengeluarkan teks. Dengan harga $0,15 per juta token input, model ini jauh lebih murah dari sebagian besar model terdepan, namun OpenAI menempatkannya di atas GPT-3.5 Turbo dalam hal kemampuan. Cocok untuk pengembang dan pembuat yang membutuhkan kecerdasan andal dalam skala besar tanpa tagihan API besar.

Dikenal untuk

Menerima input gambar selain teks, bukan hanya prompt teks biasa.
Jendela konteks 128.000 token — besar untuk model kelas anggaran.
Harga lebih dari 60% lebih murah dari GPT-3.5 Turbo untuk token input.
Skor 82% pada MMLU, kompetitif dengan model yang lebih besar.
Peringkat di atas GPT-4 pada papan preferensi chat, menurut OpenAI.

Waspadai

Bobot tertutup — tidak bisa dijalankan lokal, tidak bisa hosting sendiri, hanya API.
Token output empat kali lebih mahal dari token input; perhatikan rasio ini dalam percakapan panjang.
Bukan model penalaran seri o; logika multi-langkah kompleks lebih baik ditangani di tempat lain.

Terbaik untuk

Prompt untuk dicoba

Klasifikasi dan ekstraksi skala besar

Anda memiliki kumpulan tiket dukungan pelanggan. Berikut tiga contoh: 'Pesanan saya tidak sampai setelah dua minggu', 'Aplikasi selalu crash saat login', 'Saya dikenakan biaya dua kali untuk satu pesanan'. Untuk setiap tiket, keluarkan objek JSON dengan bidang: kategori (tagihan, pengiriman, atau teknis), urgensi (tinggi, sedang, rendah), dan satu kalimat balasan yang disarankan.

Deskripsikan dan beri tag gambar

Lihat gambar yang saya lampirkan. Tulis deskripsi faktual dua kalimat tentang apa yang ditampilkan. Kemudian buat hingga lima tag singkat yang membantu seseorang menemukan gambar ini di mesin pencari. Terakhir, catat apa pun dalam gambar yang mungkin ambigu atau sulit diidentifikasi dengan yakin.

Ringkas dokumen panjang

Berikut laporan panjang. Ringkas dalam tiga bagian: ringkasan eksekutif satu paragraf untuk non-spesialis, daftar poin lima temuan terpenting, dan satu kalimat yang menyebutkan tindakan paling mendesak yang harus diambil pembaca. Jaga total respons di bawah 300 kata.

Bandingkan dengan

GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · $0.20/M input, $1.20/M output
GPT-4o (2024-11-20)
Model hanya API
konteks 128,000 token · $2.50/M input, $10.00/M output
GPT-3.5 Turbo (older v0613)
Model hanya API
konteks 4,095 token · $1.00/M input, $2.00/M output

Model teks lain dari openai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan GPT-4o mini secara lokal?: Tidak — bobotnya tidak dipublikasikan, jadi hanya bisa diakses lewat API OpenAI.
Berapa biaya GPT-4o mini dan berapa panjang konteksnya?: Biayanya $0,15 per juta token input dan $0,60 per juta token output, dengan jendela konteks 128.000 token.
Apa perbedaan GPT-4o mini dengan GPT-4o penuh?: GPT-4o mini adalah versi kecil dan lebih murah — biaya per token jauh lebih rendah tapi dengan kapasitas lebih sedikit untuk penalaran atau tugas instruksi paling berat.

Putusan Kapten
Pilihan masuk akal saat Anda butuh kualitas OpenAI dalam volume besar dan tagihan benar-benar penting.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Also ranked: #71 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas GPT 4o mini

Skor panas, 12 bulan terakhir

Skor panas

8,105°

Minggu ini

▲

0.3%

8,104° dulu, 8,105° sekarang

Bulan ini

▲

1.1%

8,100° dulu, 8,105° sekarang

Tahun lalu

▲

25.1%

8,029° dulu, 8,105° sekarang

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,105°

Token OpenRouter

48,101,380,955 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 4,810; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 8,105°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
4,810 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,105°
8,105°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
8,105°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Weaver (alpha)

TEXT / LLM

NVIDIA Nemotron 3.5 Lightning

Model AI untuk Pembuatan Gambar, Video & Teks

GPT 4o mini adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm openai visi obrolan cepat anggaran ringkasan

Jelajahi berdasarkan Keluarga Model