# GPT-5 mini

> Fiche du modèle de langage GPT-5 mini sur Quelle IA, édition du 28 septembre 2026. GPT-5 mini (OpenAI) : score IA de 74,5, 85e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-5-mini/
Origine : OpenAI · États-Unis · sorti le 7 août 2025

## Score général

- Score IA : 74,5 (marge à 90 % : de 71,3 à 77,8)
- Rang : 85 (Groupe 8, ex æquo)
- Couverture : 95 % du poids des tâches, 38 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 75,1 | Rang 59 · 89 % |
| Code | 73,2 | Rang 52 · 38 % |
| Agents | 51,3 | Provisoire · 11 % |
| Usage | 71,2 | Rang 114 · 100 % |
| Maths | 79,5 | Rang 49 · 88 % |
| Sciences | 70,1 | Rang 70 · 80 % |
| Français | 72,2 | Rang 59 · 100 % |
| Vision | 70,4 | Provisoire · 33 % |
| Écriture | 67,5 | Rang 136 · 100 % |
| Web | non mesuré | Non mesuré |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GPT-5 mini (Medium)](https://artificialanalysis.ai/models/gpt-5-mini-medium) | 20,6 (estimé) | hors classement | 110,2 jetons/s | 13,0 s | 0,25 $ / 2 $ |
| [GPT-5 mini (High)](https://artificialanalysis.ai/models/gpt-5-mini) | 16,8 | 148e sur 193 | 121,7 jetons/s | 57,8 s | 0,25 $ / 2 $ |
| [GPT-5 mini (Minimal)](https://artificialanalysis.ai/models/gpt-5-mini-minimal) | 9,9 (estimé) | hors classement | 110,6 jetons/s | 0,88 s | 0,25 $ / 2 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gpt-5-mini-medium

## Exécution locale

Non. GPT-5 mini est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 0,22 € / 1,73 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 400 000 jetons (environ 300 000 mots)
- Entrées : Texte, image
- Réflexion : Minimale, faible, moyenne, élevée (quatre niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : B (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Mai 2024

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-5-mini)
- Par API : [API OpenAI](https://platform.openai.com/docs)
- L'essayer : [ChatGPT](https://chatgpt.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (inclus), [Zed](https://quelleia.com/outils/#zed) (inclus)
- Mesuré dans : [Codex](https://quelleia.com/outils/#codex)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| MATH Level 5 | Maths | 97,8 % | 79,4 | archivé | https://epoch.ai/benchmarks |
| MATH Level 5 | Maths | 96,8 % | 76,2 | archivé | https://epoch.ai/benchmarks |
| EuroEval, Allociné (sentiment) | Français | 96 % | 69,3 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 95,3 % | 61,3 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 95,2 % | 60,5 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 86,7 % | 75,2 | saturé | https://epoch.ai/benchmarks |
| Lech Mazur Writing | Écriture | 8,31 | 79,3 | archivé | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 80,8 % | 92,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 78,3 % | 71,2 | saturé | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 69,7 % | 68,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Fiction.LiveBench | Données | 69,4 % | 68,7 | archivé | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 67,9 % | 62,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| DTBench | Raisonnement | 80,5 % | 72,5 | saturé | https://conceptualreasoning.ai/dtbench |
| GPQA Diamond | Sciences | 75 % | 68,9 | actif | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 66,5 % | 50,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 65,9 % | 47,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SWE-bench Verified | Code | 64,7 % | 73,5 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 71,7 % | 66,7 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 71,7 % | 66,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 62 % | 53,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 60,4 % | 46,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 59,3 % | 42,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 55,6 % | 63,9 | saturé | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 55,4 % | 45,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 54,3 % | 75,0 | saturé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 52,7 % | 76,4 | actif | https://htihle.github.io/weirdml.html |
| compar:IA | Français | 1 041,0 Elo | 80,5 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions de maths | Maths | 1 405,0 Elo | 70,5 | actif | https://arena.ai/leaderboard |
| EuroEval, MultiLoKo (connaissances locales) | Français | 49,2 % | 78,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, texte | Usage | 1 389,6 Elo | 67,0 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 27,2 % | 79,7 | actif | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 431,2 Elo | 66,5 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 407,9 Elo | 67,0 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 401,0 Elo | 66,4 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 46,7 % | 80,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 45,8 % | 0,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, vision | Vision | 1 183,0 Elo | 65,3 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 323,7 Elo | 59,4 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 34,2 | 75,5 | actif | https://conceptualreasoning.ai/lmca |
| SciCode | Code | 39,2 % | 70,4 | actif | https://artificialanalysis.ai/evaluations/scicode |
| EuroEval, OrangeSum (résumé) | Français | 37,5 % | 63,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 37,3 % | 70,9 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 20,3 % | 76,7 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 34,8 % | 73,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 34,8 % | 73,0 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 32,2 % | 27,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Terminal-Bench 2.0 | Code | 31,9 % | 72,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 31,9 % | 72,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| EuroEval, ScaLA (grammaire) | Français | 30,4 % | 23,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Terminal-Bench 2.0 | Code | 29,2 % | 71,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 29,2 % | 71,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Chess Puzzles | Raisonnement | 30 % | 84,0 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 26,3 % | 67,9 | saturé | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 25,3 % | 9,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Terminal-Bench 2.0 | Code | 24 % | 68,8 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 24 % | 68,8 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 22,2 % | 68,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 22,2 % | 68,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| ForecastBench | Raisonnement | 61 % | 86,5 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 21,6 % | 66,6 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 18,2 % | 70,3 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 19,4 % | 76,6 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 12,2 % | 81,8 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 6,3 % | 78,8 | actif | https://epoch.ai/benchmarks |
| VPCT (Visual Physics Comprehension Test) | Vision | 40,2 % | 72,5 | archivé | https://epoch.ai/benchmarks |
| ProofBench | Maths | 9 % | 78,9 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| VPCT (Visual Physics Comprehension Test) | Vision | 39 % | 71,6 | archivé | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 8,2 % | 76,5 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| Chess Puzzles | Raisonnement | 12 % | 68,7 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 4,2 % | 76,5 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 6 % | 60,7 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 5,3 % | 57,0 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 4,4 % | 71,5 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 4 % | 71,0 | saturé | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 7 % | 55,5 | actif | https://epoch.ai/benchmarks |
| Vending-Bench 2 | Agents | -31 $ | -15,5 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 1,7 % | 67,0 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 10 % | 65,7 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 0,8 % | 64,7 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 4 % | 65,7 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 5 % | 65,7 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 0 % | 61,2 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GPT-5 mini ?** GPT-5 mini obtient un score IA de 74,5, avec une marge de 71,3 à 77,8, dans l'édition du 28 septembre 2026. Il est classé 85e sur 246 modèles, à partir de 38 mesures.

**Dans quelles tâches GPT-5 mini est-il le plus fort ?** Ses deux meilleures tâches sont maths (79,5) et raisonnement (75,1). Sa tâche la plus faible est agents (51,3).

**GPT-5 mini peut-il tourner en local ?** Non. GPT-5 mini est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte GPT-5 mini ?** 0,22 € par million de jetons en entrée et 1,73 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GPT-5 mini ?** GPT-5 mini est édité par OpenAI (États-Unis), et il est sorti le 7 août 2025. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com