Bisakah saya menjalankan o4 Mini High secara lokal?

Tidak. Ini adalah model dengan bobot tertutup dan hanya API dari OpenAI; tidak ada unduhan dan tidak dapat dijalankan di perangkat Anda sendiri.

Berapa biaya o4 Mini High dan berapa jendela konteksnya?

Harganya $1,10 per juta token input dan $4,40 per juta token output, dengan jendela konteks 200.000 token.

Apa bedanya o4 Mini High dengan o4-mini?

Ini adalah model yang sama dengan parameter reasoning_effort disetel ke tinggi, artinya menggunakan lebih banyak komputasi per respons dan seharusnya menghasilkan jawaban lebih akurat pada masalah sulit, dengan biaya latensi yang sedikit lebih tinggi.

O4 Mini High

1776°

#llm #openai #visi #penalaran #pemrograman #matematika

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 token 200.000 | $1,10/M input, $4,40/M output. OpenAI o4-mini-high adalah model yang sama dengan o4-mini dengan pengaturan reasoning_effort pada tingkat tinggi. OpenAI o4-mini adalah model penalaran kompak dalam seri o, dioptimalkan untuk performa cepat dan hemat biaya sambil mempertahankan kemampuan multimodal dan agen yang kuat. Mendukung penggunaan alat dan menunjukkan performa penalaran dan pengkodean yang kompetitif di berbagai tolok ukur seperti AIME (99,5% dengan Python) dan SWE-bench, mengungguli pendahulunya o3-mini dan bahkan mendekati o3 di beberapa domain.…OpenAI | konteks token 200.000 | $1,10/M input, $4,40/M output. OpenAI o4-mini-high adalah model yang sama dengan o4-mini dengan pengaturan reasoning_effort pada tingkat tinggi. OpenAI o4-mini adalah model penalaran kompak dalam seri o, dioptimalkan untuk performa cepat dan hemat biaya sambil mempertahankan kemampuan multimodal dan agen yang kuat. Mendukung penggunaan alat dan menunjukkan performa penalaran dan pengkodean yang kompetitif di berbagai tolok ukur seperti AIME (99,5% dengan Python) dan SWE-bench, mengungguli pendahulunya o3-mini dan bahkan mendekati o3 di beberapa domain. Meskipun ukurannya lebih kecil, o4-mini menunjukkan akurasi tinggi dalam tugas STEM, pemecahan masalah visual (misalnya, MathVista, MMMU), dan pengeditan kode. Sangat cocok untuk skenario throughput tinggi di mana latensi atau biaya sangat penting. Berkat arsitektur efisien dan pelatihan pembelajaran penguatan yang disempurnakan, o4-mini dapat menggabungkan alat, menghasilkan output terstruktur, dan menyelesaikan tugas multi-langkah dengan penundaan minimal—seringkali dalam waktu kurang dari satu menit.

Panduan untuk model ini

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

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

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

o4 Mini High adalah model o4-mini dari OpenAI dengan pengaturan reasoning effort yang dimaksimalkan. Anda mendapatkan arsitektur yang sama kompak dan hemat biaya seperti o4-mini tetapi dengan lebih banyak komputasi yang digunakan untuk setiap jawaban, yang meningkatkan performa pada tugas STEM, pengkodean, dan penalaran visual yang sulit. Cocok untuk pengembang dan peneliti yang membutuhkan kualitas mendekati o3 tanpa membayar harga o3.

Dikenal untuk

Performa pengkodean yang kuat, termasuk hasil kompetitif pada SWE-bench.
Akurasi STEM dan matematika, termasuk pemecahan masalah visual pada benchmark seperti MathVista.
Penggunaan alat dan penyelesaian tugas agen multi-langkah.
Jendela konteks 200.000 token dengan harga per token yang relatif rendah.
Multimodal: menangani input gambar bersama teks.

Waspadai

Bobot tertutup, hanya API — Anda tidak dapat menjalankan ini secara lokal atau memeriksa modelnya.
Reasoning effort yang tinggi berarti respons lebih lambat dibandingkan o4-mini standar; latensi penting untuk penggunaan waktu nyata.
Token output seharga $4,40/M dapat cepat bertambah pada rantai penalaran panjang.

Terbaik untuk

Prompt untuk dicoba

Debug algoritma rumit

Berikut adalah fungsi Python yang seharusnya mengembalikan substring terpanjang tanpa karakter yang berulang, tetapi memberikan hasil yang salah pada beberapa input. Temukan bug-nya, jelaskan mengapa gagal, dan berikan versi yang diperbaiki dengan penjelasan singkat tentang perbaikannya. 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

Rencanakan tugas riset multi-langkah

Saya perlu mengevaluasi apakah sebuah perusahaan SaaS kecil harus memigrasi aplikasi Rails monolitiknya ke microservices. Daftar pertanyaan teknis dan bisnis utama yang perlu saya jawab terlebih dahulu, urutan investigasinya, dan kriteria yang membuat migrasi jelas layak atau tidak layak.

Selesaikan masalah matematika visual

Saya melampirkan diagram geometri. Identifikasi semua sudut dan panjang yang dapat diturunkan dari informasi yang ditampilkan, tunjukkan penalaran langkah demi langkah, dan berikan jawaban akhir dengan satuan.

Bandingkan dengan

GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output
GPT-5.6 Sol
Model hanya API
konteks 1,050,000 token · $4.00/M input, $20.00/M output
GPT-6.1 Sol
Model hanya API
konteks 1,050,000 token · $2.00/M input, $10.00/M output
GPT-6 Sol
Model hanya API
konteks 1,050,000 token · $2.00/M input, $10.00/M output

Model teks lain dari openai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan o4 Mini High secara lokal?: Tidak. Ini adalah model dengan bobot tertutup dan hanya API dari OpenAI; tidak ada unduhan dan tidak dapat dijalankan di perangkat Anda sendiri.
Berapa biaya o4 Mini High dan berapa jendela konteksnya?: Harganya $1,10 per juta token input dan $4,40 per juta token output, dengan jendela konteks 200.000 token.
Apa bedanya o4 Mini High dengan o4-mini?: Ini adalah model yang sama dengan parameter reasoning_effort disetel ke tinggi, artinya menggunakan lebih banyak komputasi per respons dan seharusnya menghasilkan jawaban lebih akurat pada masalah sulit, dengan biaya latensi yang sedikit lebih tinggi.

Putusan Kapten
Pilihan tengah yang masuk akal ketika o3 terasa mahal tetapi o4-mini standar meninggalkan kualitas penalaran yang kurang.

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

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

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.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

O4 Mini High 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 penalaran pemrograman matematika konteks panjang

Jelajahi berdasarkan Keluarga Model