gpt-4o-mini-search-preview-2025-03-11
gpt-4o-mini-search-preview-2025-03-11 est un LLM propriétaire d’OpenAI, sorti le 12 mars 2025. Près d’un an représente une ancienneté très importante dans l’IA générative : ses performances sont probablement dépassées et les références de cette période sont souvent retirées du catalogue…
gpt-4o-mini-search-preview-2025-03-11 est un LLM propriétaire d’OpenAI, sorti le 12 mars 2025. Près d’un an représente une ancienneté très importante dans l’IA générative : ses performances sont probablement dépassées et les références de cette période sont souvent retirées du catalogue de leur éditeur.
Le modèle associe une fenêtre de contexte de 128 000 tokens à un positionnement très économique. Sa tarification se situe 93% sous la moyenne des LLM similaires et environ 36.7 fois sous celle des modèles frontière. Ses connaissances internes s’arrêtent au 31 octobre 2023.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Poids | 🔒 Propriétaire |
| Date de sortie | 12 mars 2025 |
| Connaissances jusqu'à | 2023-10-31 |
| Multimodal | non |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 99,0 % | 75ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 99,0 % | 73ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 96,0 % | 123ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 84,0 % | 96ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 80,0 % | 113ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 66,0 % | 96ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 28,0 % | 138ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 0,0 % | 145ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : General Knowledge (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| OpenAI | 0,15 $ | 0,6 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 93 % en dessous de la moyenne des LLM similaires, et 36,7 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,01 $ |
| Latence moyenne par benchmark — Benchable | 4 min 58 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. À sa sortie, gpt-4o-mini-search-preview-2025-03-11 se distinguait surtout par son rapport entre coût et capacité de contexte. Son tarif minimal de 0.15 $ par million de tokens en entrée et de 0.6 $ en sortie favorisait les traitements volumineux à coût contenu. Les scores bruts atteignent 99% en General Knowledge et en Ethics. Ces benchmarks sont toutefois plafonnés : le modèle partage respectivement la 75e place avec 6 autres modèles et la 73e avec 30 autres. Il obtient aussi 96% en Email Classification et conserve des résultats honorables en Mathematics et Coding.
Limites et points d’attention. Le classement général reste en retrait malgré plusieurs scores bruts élevés. Le modèle se place 123e sur 163 en Email Classification, 96e sur 140 en Mathematics et 113e sur 162 en Coding. Son score de 66% en Reasoning le situe également à la 96e place sur 155. Ces positions limitent la portée des résultats affichés par les benchmarks plafonnés. Près d’un an après sa sortie, ses performances sont aujourd’hui largement dépassées à l’échelle de l’IA, et les modèles de cette période sont souvent déjà retirés du catalogue de leur éditeur. La coupure des connaissances au 31 octobre 2023 renforce ce décalage temporel.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).