围绕代码问题展开推理
o1-mini 的突出方向是编程，适合把需求、代码和报错放在一起分析。使用时可以要求它先说明问题判断，再给出修改方案与测试建议，便于区分真正的逻辑修复和仅让代码看起来合理的改写。生成代码仍需在实际环境中验证。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生定位
- o1 系列较小型推理模型，重点面向编程
- 基础输入
- 文本问题、代码片段、数学条件与对话历史
- 基础输出
- 文本回答，可包含代码与解题说明
- Chat Completions 入口
- /openai/chat/completions；提交 model 与 messages
- Responses 入口
- /openai/responses；提交 model 与 input
- 托管会话
- /aichat/conversations、/aichat2/conversations；提交 model: "o1-mini" 与文本 question，JSON 响应包含 answer。需要保存并续接会话时设置 stateful: true，取得返回的 id 后用于后续请求。
原生定位体现 o1-mini 的推理特长，入口规格说明本平台的文本交互与会话管理方式，不代表附加功能全部适用于该型号。
核心能力
了解 o1-mini 能为你的工作带来什么。
适合条件明确的多步问题
它延续 o1 系列先思考再回答的设计，适合需要组合条件、比较策略的数学与逻辑任务。提供完整题目、变量定义及限制，并要求返回关键推导、结论和检查方法，可以把答案变成便于复核的工作材料，而不只是一个最终数值。
文本工作流与会话衔接
已有消息历史的应用可使用 Chat Completions，采用 input 工作流的应用可使用 Responses。需要持续追问时，托管会话入口可保存上下文并通过 id 续接。接口选择主要影响应用如何组织历史和读取回答，不会把 o1-mini 变成另一个型号。
适用场景
从具体任务出发，找到模型发挥作用的位置。
定位程序错误与准备修复
提交最小复现代码、错误日志、预期行为和运行环境，让 o1-mini 分析可能的故障位置，整理修复代码及回归测试清单。适合开发者排查边界条件和算法逻辑问题；交付物是供审查、运行的修复建议，不是已经执行完成的测试报告。
算法设计与方案比较
输入数据结构、输入规模、约束和目标，让模型比较候选算法，说明取舍并给出实现草案。可以进一步追问极端输入、复杂度和测试样例，形成算法说明与代码初稿。任务材料越完整，越便于评估方案是否满足真实工程条件。
数学练习与推导复核
提供题目文字、已有推导和具体疑点，请 o1-mini 找出需要补充的条件，解释关键步骤或比较解法。适合学习辅导和技术计算中的推导整理，输出可作为解题说明初稿；重要结论应再通过代入、独立计算或正式证明核验。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与 o1-preview 如何取舍
o1-mini 在发布时被定位为比 o1-preview 更快、更经济、尤其适合代码的推理选择。若任务主要依赖给定代码、公式和明确约束，而不需要广泛世界知识，可以优先考虑它。两者是不同型号，不宜把 o1-preview 的评测结果直接用于判断 o1-mini。
与 GPT-4o 如何取舍
当工作重点是文本中的代码分析、数学条件和逻辑求解时，o1-mini 的专注定位更清晰。如果任务以图片理解或通用交互为主，可考虑 GPT-4o 等适合相应输入的型号。不要把 o1-mini 当作通用多模态助手，也不必为简单改写任务优先选择推理模型。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- o1-mini 更适合需要推理而不依赖广泛世界知识的任务。遇到最新技术变动或陌生领域背景，建议把相关文档节选作为文本一并提交，避免要求它仅凭模型知识给出实时事实或完整专业结论。
- 使用 o1-mini 时宜以文本为基础，不应将图片、音频或文件附件识别视为默认能力。截图中的代码和文档中的题目，可先提取成文字再分析；需要直接处理图像时，应选择适合视觉输入的型号。
- 推理输出不等于代码已经运行，也不等于数学结论已经证明。复杂代码应配合测试，推导应检查前提与边界条件；即使解释连贯，也要确认关键步骤是否成立，不能只凭答案篇幅判断正确性。
常见问题
解答使用 o1-mini 时的常见疑问。
o1-mini 是 o1-preview 的缩写吗？
不是。o1-mini 与 o1-preview 是同属 o1 系列的不同模型，前者采用较小型、偏编程的推理定位。调用时应明确指定 o1-mini，不要将其他 o1 型号的评测、功能或参数直接套用到它。
怎样向 o1-mini 提交调试问题？
建议提供最小复现代码、完整报错、预期输出和运行环境，并明确希望得到诊断还是修复代码。可以要求答案包含修改理由与测试建议，再把生成内容放入本地环境验证，而不是只粘贴一句错误提示。
o1-mini 可以直接看截图解题吗？
使用它时应优先提交文字题目和公式，不把截图识别作为默认工作方式。可先将图片内容转成文本，检查符号与条件后再提问；如果题目依赖图形细节，选择视觉模型通常更适合。
如何用 o1-mini 连续追问同一道题？
使用 Chat Completions 时，将相关历史放入 messages，并指定 model: "o1-mini"。使用托管会话入口时，首次请求设置 stateful: true；后续请求继续指定同一模型、stateful: true 和返回的 id，并通过 question 提交追问。追问时建议明确指出需要修改的条件或步骤，减少前后问题含义混淆。
选择 Responses 会增强 o1-mini 的推理吗？
Responses 与 Chat Completions 提供不同的请求组织方式，选择入口本身不意味着模型能力升级。已有消息式应用可沿用 messages；使用 Responses 时提交 input。优先按应用的数据结构和会话管理需求选择即可。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.60per 1M tokens
Official $3.00
Output
$2.40per 1M tokens
Official $12.00
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs