OpenAI
GPT-5 mini 评测成绩
来自 4 个来源、9 项基准的 25 条成绩。
其他名称: gpt-5-mini-high · gpt-5-mini-2025-08-07_minimal · GPT-5 mini (minimal) · gpt-5-mini-2025-08-07_high · GPT-5 mini (high) · gpt-5-mini-2025-08-07_medium · GPT-5 mini (medium) · gpt-5-mini-2025-08-07_unknown · GPT-5 mini (unknown thinking) · gpt-5-mini-2025-08-07
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1390 | 175 | Overall, style control on; 26810 votes; 95% CI 1385–1395“gpt-5-mini-high” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1183 | 97 | Overall, style control on; 28965 votes; 95% CI 1175–1191“gpt-5-mini-high” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 75.0% | 142 | Epoch AI run, accuracy; effort: high | 独立评测 | 2025年10月30日 |
| GPQA Diamond | 71.7% | 153 | Epoch AI run, accuracy; effort: minimal | 独立评测 | 2026年8月7日 |
| GPQA Diamond | 71.7% | 156 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2025年8月7日 |
| SWE-bench Verified | 64.7% | 27 | Epoch AI run (Epoch scaffold); effort: medium | 独立评测 | 2026年2月1日 |
| SWE-bench Verified | 59.8% | 52 | agent: mini-SWE-agent“gpt-5-mini-2025-08-07” | 官方榜单 | 2025年8月7日 |
| AIME (OTIS Mock AIME 2024–2025) | 86.7% | 84 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: high | 独立评测 | 2025年10月30日 |
| AIME (OTIS Mock AIME 2024–2025) | 78.3% | 114 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium | 独立评测 | 2025年8月7日 |
| AIME (OTIS Mock AIME 2024–2025) | 55.6% | 158 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: minimal | 独立评测 | 2026年8月7日 |
| MATH Level 5 | 97.8% | 3 | Epoch AI run, accuracy; effort: high | 独立评测 | 2025年10月30日 |
| MATH Level 5 | 96.8% | 8 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2025年8月20日 |
| Humanity's Last Exam | 19.4% | 22 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 34.8% | 5 | Terminal-Bench 2.0; agent: spoox-m; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年12月24日 |
| Terminal-Bench 2.0 | 34.8% | 117 | Terminal-Bench 2.0; agent: spoox-o-m; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 31.9% | 126 | Terminal-Bench 2.0; agent: Codex CLI ; effort: medium | 官方榜单 via Epoch AI | 2025年11月4日 |
| Terminal-Bench 2.0 | 31.9% | 127 | Terminal-Bench 2.0; agent: Codex CLI; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 29.2% | 131 | Terminal-Bench 2.0; agent: OpenHands; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 29.2% | 133 | Terminal-Bench 2.0; agent: OpenHands ; effort: medium | 官方榜单 via Epoch AI | 2025年11月2日 |
| Terminal-Bench 2.0 | 24.0% | 156 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 24.0% | 157 | Terminal-Bench 2.0; agent: Terminus 2 ; effort: medium | 官方榜单 via Epoch AI | 2025年10月31日 |
| Terminal-Bench 2.0 | 22.3% | 162 | Terminal-Bench 2.0; agent: Mini-SWE-Agent; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月7日 |
| Terminal-Bench 2.0 | 22.2% | 163 | Terminal-Bench 2.0; agent: Mini-SWE-Agent ; effort: medium | 官方榜单 via Epoch AI | 2025年11月3日 |
| BFCL v4 (function calling) | 55.5% | 17 | Overall accuracy; native function calling (FC)“GPT-5-mini-2025-08-07 (FC)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 27.8% | 77 | Overall accuracy; prompt-based“GPT-5-mini-2025-08-07 (Prompt)” | 官方榜单 | 2026年10月17日 |
常见问题
GPT-5 mini 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset和SWE-bench leaderboards (swebench.com)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。