Czy mogę uruchomić o4 Mini lokalnie?

Nie. OpenAI nie udostępniło wag, więc model jest dostępny tylko przez API — nie można go uruchomić na własnym sprzęcie.

Ile kosztuje o4 Mini i jak długie jest jego okno kontekstowe?

Koszt to 1,10 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych, z oknem kontekstowym 200 000 tokenów.

Czym o4 Mini różni się od o3 Mini i o3?

o4 Mini przewyższa swojego poprzednika o3-mini i zbliża się do pełnego modelu o3 na benchmarkach kodowania i STEM, pozostając szybszy i tańszy niż o3.

O4 Mini

1678°

#llm #openai #wizja #rozumowanie #kodowanie #matematyka

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

OpenAI | 200,000 tokenów kontekstu | $1.10/M wejście, $4.40/M wyjście. OpenAI o4-mini to kompaktowy model rozumowania z serii o, zoptymalizowany pod kątem szybkiej i ekonomicznej wydajności, zachowujący silne możliwości multimodalne i agentowe. Obsługuje użycie narzędzi i wykazuje konkurencyjną wydajność w rozumowaniu i kodowaniu na benchmarkach takich jak AIME (99.5% z Pythonem) i SWE-bench, przewyższając poprzednika o3-mini, a w niektórych dziedzinach zbliżając się do o3. Pomimo mniejszego rozmiaru, o4-mini cechuje się wysoką dokładnością w zadaniach STEM, rozwiązywaniu problemów wizualnych…OpenAI | 200,000 tokenów kontekstu | $1.10/M wejście, $4.40/M wyjście. OpenAI o4-mini to kompaktowy model rozumowania z serii o, zoptymalizowany pod kątem szybkiej i ekonomicznej wydajności, zachowujący silne możliwości multimodalne i agentowe. Obsługuje użycie narzędzi i wykazuje konkurencyjną wydajność w rozumowaniu i kodowaniu na benchmarkach takich jak AIME (99.5% z Pythonem) i SWE-bench, przewyższając poprzednika o3-mini, a w niektórych dziedzinach zbliżając się do o3. Pomimo mniejszego rozmiaru, o4-mini cechuje się wysoką dokładnością w zadaniach STEM, rozwiązywaniu problemów wizualnych (np. MathVista, MMMU) oraz edycji kodu. Szczególnie nadaje się do scenariuszy o wysokiej przepustowości, gdzie liczy się niska latencja lub koszt. Dzięki efektywnej architekturze i dopracowanemu treningowi z uczeniem wzmacniającym, o4-mini potrafi łączyć narzędzia, generować strukturalne wyjścia i rozwiązywać wieloetapowe zadania z minimalnym opóźnieniem — często w mniej niż minutę.

Poradniki do tego modelu

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Jak wybrać model AI w październiku 2026: najpierw zamknięte modele, potem otwarte wagi warte pobrania

10 najtańszych alternatyw dla ChatGPT w 2026: darmowe modele lokalne, darmowe plany i abonamenty z ryczałtem

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

o4 Mini to kompaktowy model rozumowania OpenAI, zaprojektowany do silnego rozwiązywania problemów STEM, kodowania i wizualnych przy ułamku kosztów większych modeli. Obsługuje użycie narzędzi, strukturalne wyjścia i wieloetapowe zadania agentowe, zachowując niskie opóźnienia. Jeśli potrzebujesz poważnej przepustowości rozumowania bez poważnego rachunku, to praktyczny wybór w serii o.

Znany z

Silna wydajność w kodowaniu, w tym konkurencyjne wyniki na SWE-bench.
Rozumowanie STEM i matematyczne znacznie przewyższające klasę rozmiarową.
Rozwiązywanie problemów wizualnych: obsługuje zadania matematyczne oparte na obrazach i multimodalne.
Użycie narzędzi i wieloetapowe łańcuchy agentowe z niskim opóźnieniem.
Znacznie tańszy niż o3, zbliżający się do niego na kilku benchmarkach.

Uważaj na

Wagi są zamknięte; działa tylko przez API OpenAI, brak lokalnego wdrożenia.
Tokeny wyjściowe kosztują cztery razy więcej niż wejściowe, więc zadania rozbudowane szybko rosną w koszty.
Czas myślenia jest wbudowany — nie kontrolujesz bezpośrednio budżetu rozumowania.

Najlepszy do

Kodowanie

Rozumowanie

Matematyka

Agenci i użycie narzędzi

Wizja

Podpowiedzi do wypróbowania

Debugowanie trudnego błędu async

Oto asynchroniczna funkcja w Pythonie, która czasem zgłasza RuntimeError o zamkniętej pętli zdarzeń, gdy jest wywoływana z puli wątków. Wyjaśnij, dlaczego tak się dzieje, a następnie przepisz funkcję tak, by była bezpieczna do wywołania zarówno z kontekstu synchronicznego, jak i asynchronicznego, bez zmiany interfejsu zewnętrznego.

Problem planowania wieloetapowego

Fabryka ma trzy maszyny. Maszyna A potrzebuje 4 minut na jednostkę, B 6 minut, a C 3 minuty. Masz 8 godzin łącznego czasu maszyn do rozdysponowania na wszystkie trzy. Każda jednostka wymaga przejścia przez A, a następnie przez B lub C, ale nie oba. Zmaksymalizuj liczbę wyprodukowanych jednostek i pokaż rozumowanie krok po kroku.

Matematyka wizualna z obrazu

Załączam zdjęcie zadania geometrycznego z podręcznika. Zidentyfikuj wszystkie podane wymiary, podaj zastosowane twierdzenia i rozwiąż niewiadomy kąt lub długość. Pokaż każdy krok jasno.

Porównaj z

gpt-oss-120b
Model z otwartymi wagami
Kontekst 131,072 tokenów · $0.15/M wejście, $0.60/M wyjście
gpt-oss-20b
Model z otwartymi wagami
Kontekst 131,072 tokenów · $0.02/M wejście, $0.09/M wyjście
GPT-6 Luna
Model tylko z API
Kontekst 1,050,000 tokenów · $0.10/M wejście, $0.50/M wyjście
GPT-5.6 Luna
Model tylko z API
Kontekst 1,050,000 tokenów · $0.20/M wejście, $1.20/M wyjście

Więcej modeli tekstowych od openai

Pytania, które ludzie zadają

Czy mogę uruchomić o4 Mini lokalnie?: Nie. OpenAI nie udostępniło wag, więc model jest dostępny tylko przez API — nie można go uruchomić na własnym sprzęcie.
Ile kosztuje o4 Mini i jak długie jest jego okno kontekstowe?: Koszt to 1,10 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych, z oknem kontekstowym 200 000 tokenów.
Czym o4 Mini różni się od o3 Mini i o3?: o4 Mini przewyższa swojego poprzednika o3-mini i zbliża się do pełnego modelu o3 na benchmarkach kodowania i STEM, pozostając szybszy i tańszy niż o3.

Wyrok kapitana
Rozsądny wybór domyślny do pracy z dużą ilością rozumowania: wyniki na poziomie o3 w większości zadań STEM i kodowania, w cenie, która nie wymaga zatwierdzenia budżetu.

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

O4 Mini to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm openai wizja rozumowanie kodowanie matematyka agenci

Przeglądaj według rodziny modeli