GPT-5.1 Codex Mini
GPT-5.1 Codex Mini est un LLM propriétaire d’OpenAI, sorti le 12 novembre 2025. Il se distingue par une fenêtre de contexte de 400 000 tokens et par un positionnement très économique, avec une tarification inférieure de 87% à la moyenne des LLM similaires.
GPT-5.1 Codex Mini est un LLM propriétaire d’OpenAI, sorti le 12 novembre 2025. Il se distingue par une fenêtre de contexte de 400 000 tokens et par un positionnement très économique, avec une tarification inférieure de 87% à la moyenne des LLM similaires.
Le modèle associe de solides résultats en connaissances générales, éthique, raisonnement et mathématiques à un coût minimal de 0,25 $ par million de tokens en entrée et de 2 $ en sortie. Il coûte environ 22 fois moins cher que les modèles frontière, ce qui favorise les traitements à grande échelle.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Poids | 🔒 Propriétaire |
| Date de sortie | 12 novembre 2025 |
| Multimodal | oui |
| Fenêtre de contexte | 400 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| AIME 2025 | 42,1 % | 102ᵉ / 108 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Classements Arena (Elo)
Arena Code · 99 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Kimi K3 | 1679 |
| 2ᵉ | Claude Fable 5 | 1631 |
| 3ᵉ | GPT-5.6 Sol | 1618 |
| ⋯ | ⋯ | |
| 86ᵉ | Qwen3.5-35B-A3B | 1250 |
| 87ᵉ | Arcee AI: Trinity Large Thinking | 1243 |
| 88ᵉ | GPT-5.1 Codex Mini | 1240 |
| 89ᵉ | Qwen: Qwen3.5-Flash | 1237 |
| 90ᵉ | Grok 4.1 Fast | 1234 |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| OpenAI | 0,25 $ | 2 $ | 0,025 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 88 % en dessous de la moyenne des LLM similaires, et 22 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 | 0,13 $ |
| Latence moyenne par benchmark — Benchable | 4 min 35 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. GPT-5.1 Codex Mini atteint le premier rang sur General Knowledge et Ethics, deux résultats qui le placent dans le top 10 de ces évaluations. Ses performances en raisonnement et en mathématiques se situent également dans le haut du classement, avec des scores élevés et des rangs nettement meilleurs que la majorité des modèles évalués. La fenêtre de contexte de 400 000 tokens constitue un autre atout concret pour traiter d’importants volumes de texte. Son principal avantage reste toutefois économique : ses tarifs sont très inférieurs à ceux des LLM similaires et des modèles frontière.
Limites et points d’attention. Les résultats sont moins convaincants en code. Dans Arena Code, GPT-5.1 Codex Mini se classe 85e sur 96, avec un écart important face au modèle en tête. Email Classification reste performant en valeur absolue, mais son classement se situe seulement dans le milieu du tableau. Le benchmark Hallucinations présente le même contraste : le score est élevé, tandis que le rang demeure modeste par rapport aux autres modèles évalués. Ce profil convient surtout aux usages sensibles au coût, mobilisant de longs contextes, des connaissances générales, du raisonnement ou des mathématiques, plutôt qu’aux tâches de code les plus exigeantes.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · Benchable.ai (benchable.ai).