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 / 124，得分 93）、AIME2025（11 / 216，得分 99.50）。

评测结果

OpenAI o4 - mini

评测结果

综合评估

共 9 项评测

评测名称 / 模式

得分

排名/总数

开启思考

93

2 / 124

开启思考

80.60

60 / 176

开启思考

58.70

97 / 147

思考水平·中

14.28

345 / 565

开启思考

14.28

345 / 565

开启思考工具

17.70

316 / 565

思考水平·高

18.08

314 / 565

思考水平·高

16.50

326 / 565

思考水平·高

0.60

169 / 201

科学与综合推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

思考水平·低

75.25

278 / 463

思考水平·中

77.78

259 / 463

开启思考

81.40

213 / 463

思考水平·高

78.40

254 / 463

编程与软件工程

共 5 项评测

评测名称 / 模式

得分

排名/总数

开启思考工具

2719

7 / 21

思考水平·高

85.90

26 / 251

SWE-bench Verified

开启思考

68.10

70 / 116

思考水平·高工具

52.56

35 / 52

思考水平·高工具

3.60

20 / 21

数学推理

共 18 项评测

评测名称 / 模式

得分

排名/总数

开启思考

92.70

42 / 216

开启思考工具

99.50

11 / 216

思考水平·高

90.70

52 / 216

开启思考

93.40

5 / 62

开启思考工具

98.70

1 / 62

FrontierMath v2

思考水平·低

16.14

55 / 58

FrontierMath v2

思考水平·中

28.77

45 / 58

FrontierMath v2

思考水平·高

36.14

38 / 58

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

思考水平·高

11.40

12 / 16

IMO-ProofBench Advanced

思考水平·高

11.40

15 / 24

开启思考

7.70

7 / 10

FrontierMath - Tier 4

思考水平·中

2.10

56 / 80

FrontierMath - Tier 4

思考水平·高

6.30

35 / 80

FrontierMath Tier 4 v2

思考水平·高

4.88

34 / 42

开启思考

3

7 / 9

多模态理解

共 5 项评测

评测名称 / 模式

得分

排名/总数

unknown

81.60

14 / 74

思考水平·高

69.20

134 / 229

思考水平·中

64

15 / 20

思考水平·高

64

15 / 20

思考水平·中

57.50

8 / 24

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

38.70

69 / 93

Agent能力评测

共 6 项评测

评测名称 / 模式

得分

排名/总数

METR Time Horizons v1.1

思考水平·中工具

76.51

15 / 22

思考水平·高

72

13 / 59

开启思考工具

56.90

32 / 44

τ²-Bench - Telecom

开启思考工具

50.20

171 / 264

τ²-Bench - Telecom

思考水平·高工具

55.60

162 / 264

Terminal Bench Hard

思考水平·高工具

15.20

168 / 244

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

68.70

82 / 282

长上下文

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

思考水平·中

77.80

9 / 16

与其他模型对比

OpenAI o4 - mini 评测结果与排名详情 | DataLearnerAI