OpenAI o4 - mini 评测详情

开启思考

14.28

115 / 149

开启思考工具

17.70

103 / 149

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

CodeForces

开启思考工具

2719

6 / 16

SWE-bench Verified

开启思考

68.10

59 / 103

数学推理

共 12 项评测

评测名称 / 模式

得分

排名/总数

开启思考

92.70

32 / 106

开启思考工具

99.50

10 / 106

开启思考

93.40

5 / 62

开启思考工具

98.70

1 / 62

思考水平·低

9.70

29 / 60

思考水平·中

19.30

18 / 60

思考水平·高

17.20

21 / 60

IMO-ProofBench

思考水平·高

11.40

12 / 16

IMO 2024

开启思考

7.70

7 / 10

思考水平·中

2.10

56 / 80

思考水平·高

6.30

35 / 80

IMO 2025

开启思考

7 / 9

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

Simple Bench

开启思考

38.70

19 / 27

Agent能力评测

共 3 项评测

评测名称 / 模式

得分

排名/总数

Aider-Polyglot

思考水平·高

8 / 26

τ²-Bench

开启思考工具

56.90

30 / 40

τ²-Bench - Telecom

开启思考工具

50.20

33 / 35

与其他模型对比

OpenAI o4 - mini 评测详情

OpenAI o4 - mini 当前已收录的代表性评测结果包括 AIME 2024（1 / 62，得分 98.70）、MMLU（2 / 65，得分 93）、AIME2025（10 / 106，得分 99.50）。

评测结果

OpenAI o4 - mini

评测结果

综合评估

共 6 项评测

评测名称 / 模式

得分

排名/总数

MMLU

开启思考

2 / 65

GPQA Diamond

开启思考

81.40

63 / 175

MMLU Pro

开启思考

80.60

53 / 124

ARC-AGI

开启思考

58.70

36 / 65

开启思考

14.28

115 / 149

开启思考工具

17.70

103 / 149

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

CodeForces

开启思考工具

2719

6 / 16

SWE-bench Verified

开启思考

68.10

59 / 103

数学推理

共 12 项评测

评测名称 / 模式

得分

排名/总数

开启思考

92.70

32 / 106

开启思考工具

99.50

10 / 106

开启思考

93.40

5 / 62

开启思考工具

98.70

1 / 62

思考水平·低

9.70

29 / 60

思考水平·中

19.30

18 / 60

思考水平·高

17.20

21 / 60

IMO-ProofBench

思考水平·高

11.40

12 / 16

IMO 2024

开启思考

7.70

7 / 10

思考水平·中

2.10

56 / 80