Выбор модели в 2025

gpt-4o, gpt-4o-mini, o1/o3 (reasoning), o4-mini — что когда брать. Реальная таблица стоимости и критерии выбора.

22 мин чтения3 вопроса в квизеГотовый промпт включёнВ работе

Практическое задание

Что сделать после урока

Возьмите одну вашу задачу (например классификацию тикетов). Прогоните 20 примеров на gpt-4o-mini и на gpt-4o. Сравните точность и суммарный usage. Решите, оправдывает ли gpt-4o разницу в цене.

Готовый промпт

Шаблон под задачу урока

Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.

У меня задача: <описание задачи: классификация / извлечение / генерация / reasoning>.
Объём: <запросов в день>, средняя длина входа <N> токенов, выхода <M>.
Бюджет: <$ в месяц>.

Подскажи, с какой модели OpenAI начать (gpt-4o-mini / gpt-4o / o4-mini / o1),
по каким метрикам мерить, и при каком сигнале поднимать модель выше.

Линейка моделей 2025

| Модель | Класс | Сильна в | Скорость | Цена (вход / выход, $/1M токенов) | |---|---|---|---|---| | gpt-4o | мультимодальная флагман | текст+картинки+аудио, быстрый общий интеллект | быстрая | ~$2.50 / $10.00 | | gpt-4o-mini | дешёвый дефолт | классификация, простые задачи, большой объём | очень быстрая | ~$0.15 / $0.60 | | o1 | reasoning | сложная математика, логика, многошаговые планы | медленная | ~$15 / $60 | | o3 | reasoning топ | самые тяжёлые задачи, агентные цепочки | медленная | ~$10 / $40 (зависит от тарифа) | | o4-mini | reasoning дешёвый | reasoning при ограниченном бюджете | средняя | ~$1.10 / $4.40 |

Точные цены сверяйте на openai.com/api/pricing — они меняются. Порядок величин здесь стабилен: mini-модели в 10-50× дешевле reasoning.

Как выбирать

gpt-4o-mini — дефолт. Начинайте с него для классификации, извлечения данных, коротких ответов, роутинга. 80% продакшн-нагрузки решается им.

gpt-4o — когда нужен «умный универсал»: качественная генерация текста, vision (анализ изображений), мультимодальность, сложные инструкции.

o-модели (o1/o3/o4-mini) — только когда задача реально требует рассуждения: доказательства, многошаговое планирование, сложный код с edge-кейсами, головоломки. Они медленные (секунды-десятки секунд) и дорогие из-за скрытых reasoning-токенов.

o4-mini — компромисс: reasoning, но дешевле o1/o3. Хороший выбор для агентных пайплайнов, где нужно «подумать», но бюджет ограничен.

Reasoning-модели: чем отличаются в API

Не поддерживают temperature, top_p, presence_penalty (или игнорируют их).

Используют max_completion_tokens, не max_tokens.

Тратят невидимые reasoning-токены — они входят в usage.completion_tokens_details.reasoning_tokens и оплачиваются.

Есть параметр reasoning_effort: "low" | "medium" | "high" — компромисс между скоростью/ценой и глубиной.

const r = await client.chat.completions.create({ model: "o4-mini", reasoning_effort: "medium", max_completion_tokens: 4000, messages: [{ role: "user", content: "Докажи, что √2 иррационально." }], }); console.log(r.usage?.completion_tokens_details?.reasoning_tokens);

Практическое правило стоимости

100k запросов по ~500 токенов вход + 200 выход:

gpt-4o-mini: ≈ (50M × $0.15 + 20M × $0.60) / 1M ≈ $19.5

gpt-4o: ≈ (50M × $2.50 + 20M × $10) / 1M ≈ $325

o1: ≈ (50M × $15 + 20M × $60) / 1M ≈ $1950 (плюс reasoning-токены сверху)

Разница в 100× — поэтому всегда начинайте с mini и поднимайте модель только там, где метрика качества это требует.

Сообщить об ошибке

Выбор модели в 2025

Квиз — 3 вопроса

Линейка моделей 2025

Как выбирать

Reasoning-модели: чем отличаются в API

Практическое правило стоимости