Kan jag köra GPT-4o mini lokalt?

Nej — vikterna är inte offentliga, så det är endast API-åtkomst via OpenAI.

Vad kostar GPT-4o mini och hur långt är dess kontext?

Det kostar $0,15 per miljon inmatningstokens och $0,60 per miljon utmatningstokens, med ett kontextfönster på 128 000 tokens.

Hur skiljer sig GPT-4o mini från fulla GPT-4o?

GPT-4o mini är den mindre, billigare syskonmodellen — avsevärt lägre kostnad per token men med mindre kapacitet för de mest krävande resonemangs- eller instruktionstillämpningarna.

▲

0.3%

den här veckan

GPT 4o mini

8105°

#llm #openai #vision #chatt #snabb #budget

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

OpenAI | 128 000 tokens kontext | $0.15/M indata, $0.60/M utdata. GPT-4o mini är OpenAIs nyaste modell efter GPT-4 Omni, som stödjer både text- och bildindata med textutdata. Som deras mest avancerade lilla modell är den många gånger mer prisvärd än andra senaste toppmodeller, och mer än 60 % billigare än GPT-3.5 Turbo. Den bibehåller SOTA-intelligens samtidigt som den är betydligt mer kostnadseffektiv. GPT-4o mini uppnår 82 % på MMLU och rankas för närvarande högre än GPT-4 på vanliga chattpreferenslistor. Se lanseringsmeddelandet för att lära dig mer. #multimodal

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

GPT-4o mini är OpenAIs lilla, snabba modell som accepterar text- och bildindata och returnerar text. För $0,15 per miljon inmatningstokens ligger den långt under de flesta avancerade modeller i pris, men OpenAI positionerar den över GPT-3.5 Turbo i kapacitet. Den passar utvecklare och byggare som behöver pålitlig intelligens i stor skala utan en stor API-räkning.

Känd för

Accepterar bildindata tillsammans med text, inte bara rena textpromptar.
128 000 tokens kontextfönster — generöst för en budgetmodell.
Prissatt mer än 60 % lägre än GPT-3.5 Turbo på inmatningstokens.
Får 82 % på MMLU, konkurrenskraftigt med större modeller.
Rankas över GPT-4 på chattpreferenslistor, enligt OpenAI.

Se upp för

Slutna vikter — ingen lokal distribution, ingen egen hosting, endast API.
Utdata kostar fyra gånger indata; håll koll på den relationen i långa konversationer.
Inte en o-serie resonemangsmodell; komplex flerstegslogik hanteras bättre annorstädes.

Bäst för

Chatt och assistenter

Promptar att prova

Klassificera och extrahera i stor skala

Du har en bunt kundsupportärenden. Här är tre exempel: 'Min beställning kom aldrig efter två veckor', 'Appen kraschar vid inloggning varje gång', 'Jag debiterades två gånger för en beställning'. För varje ärende, returnera ett JSON-objekt med fälten: kategori (fakturering, leverans eller tekniskt), brådska (hög, medel, låg) och ett förslag på svar i en mening.

Beskriv och tagga en bild

Titta på bilden jag bifogat. Skriv en tvåmenings faktabeskrivning av vad som visas. Lista sedan upp till fem korta taggar som skulle hjälpa någon att hitta bilden i en sökmotor. Notera slutligen allt i bilden som kan vara oklart eller svårt att identifiera med säkerhet.

Sammanfatta ett långt dokument

Här är en lång rapport. Sammanfatta den i tre delar: en sammanfattande paragraf för en icke-specialist, en punktlista med de fem viktigaste fynden och en mening som anger den mest brådskande åtgärden läsaren bör vidta. Håll hela svaret under 300 ord.

Jämför med

GPT-6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.10/M indata, $0.50/M utdata
GPT-5.6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.20/M indata, $1.20/M utdata
GPT-4o (2024-11-20)
Endast API-modell
128,000 tokens kontext · $2.50/M indata, $10.00/M utdata
GPT-3.5 Turbo (older v0613)
Endast API-modell
4,095 tokens kontext · $1.00/M indata, $2.00/M utdata

Fler textmodeller från openai

Vanliga frågor

Kan jag köra GPT-4o mini lokalt?: Nej — vikterna är inte offentliga, så det är endast API-åtkomst via OpenAI.
Vad kostar GPT-4o mini och hur långt är dess kontext?: Det kostar $0,15 per miljon inmatningstokens och $0,60 per miljon utmatningstokens, med ett kontextfönster på 128 000 tokens.
Hur skiljer sig GPT-4o mini från fulla GPT-4o?: GPT-4o mini är den mindre, billigare syskonmodellen — avsevärt lägre kostnad per token men med mindre kapacitet för de mest krävande resonemangs- eller instruktionstillämpningarna.

Kaptens omdöme
Det förnuftiga standardvalet när du behöver OpenAI-kvalitet i volym och räkningen verkligen spelar roll.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för GPT 4o mini

Värmenpoäng, senaste 12 månaderna

Värmescore

8,105°

Den här veckan

▲

0.3%

8,104° då, 8,105° nu

Den här månaden

▲

1.1%

8,100° då, 8,105° nu

Senaste året

▲

25.1%

8,029° då, 8,105° nu

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,105°

OpenRouter-token

48,101,380,955 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 4,810; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 8,105°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
4,810 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,105°
8,105°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
8,105°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

Qwen3 VL 235B A22B Thinking

TEXT / LLM

Llama 3.2 3B Instruct

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

GPT 4o mini är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm openai vision chatt snabb budget sammanfattning

Bläddra efter modellfamilj