Corso
Sviluppare sistemi di AI con l'API di OpenAI
3 ore
23.1K
OpenAI ha presentato di recente o4-mini, un nuovo modello di ragionamento pensato per essere più rapido ed economico di o3, pur offrendo strumenti come Python, navigazione e input di immagini. A differenza di o3-mini, è anche multimodale di default.
In questo articolo, vedo più da vicino cosa può fare davvero o4-mini. Ho eseguito alcuni test pratici su matematica, codice e input visivo, e ho incluso i benchmark ufficiali di OpenAI per mostrare come si confronta con modelli come o3 e o1.
Troverai anche dettagli su prezzi, disponibilità e quando ha senso scegliere o4-mini rispetto ad altri modelli.
Teniamo i nostri lettori aggiornati sulle ultime novità dell’IA con The Median, la nostra newsletter gratuita del venerdì che riassume le notizie chiave della settimana. Iscriviti e resta sul pezzo in pochi minuti alla settimana:
Che cos’è O4-Mini?
O4-mini è l’ultimo modello di ragionamento compatto di OpenAI nella serie o. È ottimizzato per velocità, convenienza e ragionamento con strumenti, con una finestra di contesto da 200.000 token e supporto fino a 100.000 token di output—al pari di o3 e o1.
Fonte: OpenAI
La differenza principale sta nel costo e nell’efficienza di deploy. o4-mini costa 1,10 $ per milione di token in input e 4,40 $ per milione di token in output, rispetto ai 10,00 $ in input e 40,00 $ in output di o3—circa un taglio di costo di 10 volte sia per input che per output. Come vedremo nella sezione benchmark, o4-mini offre performance paragonabili a o3.
Prezzi API di o4-mini (sinistra) vs prezzi di o3 (destra)
Quanto agli strumenti, o4-mini è compatibile con Python, navigazione e input di immagini, e si integra con gli endpoint standard di OpenAI, inclusi Chat Completions e Responses. Streaming, chiamata di funzioni e output strutturati sono supportati. Fine-tuning ed embeddings no.
o4-mini vs. o4-mini-high
Se hai aperto l’app di ChatGPT, potresti aver notato l’opzione per scegliere tra o4-mini e o4-mini-high. o4-mini-high è una configurazione dello stesso modello sottostante con maggiore sforzo di inferenza. Questo significa che:
- impiega più tempo a elaborare internamente ogni prompt,
- in genere produce output di qualità superiore, soprattutto per attività multi-step,
- ma con tempi di risposta più lenti e potenzialmente maggiore uso di token.
Se ti servono completamenti più rapidi, o4-mini può essere la scelta migliore. Per ragionamenti più complessi (soprattutto se riguardano codice o input visivi), contesti più lunghi o casi d’uso in cui la precisione è critica, o4-mini-high può offrire output migliori.
Test di O4-Mini
Mettiamo alla prova o4-mini su un po’ di matematica, codice e input multimodali.
Matematica
Per cominciare, ho voluto proporre un calcolo semplice che di solito confonde i modelli linguistici. Non stavo cercando di testare l’aritmetica di base—volevo piuttosto vedere se il modello avrebbe scelto il metodo giusto per risolverlo, ragionando passo passo o usando uno strumento come una calcolatrice.
Il primo tentativo è stato sbagliato. Ho suggerito di usare la calcolatrice e, sebbene la seconda risposta fosse corretta, c’erano comunque due problemi. Primo, ha descritto il risultato come “approssimativo”, anche se per questa sottrazione non serviva alcun arrotondamento o stima.
Secondo, dal ragionamento risultava che in realtà non avesse usato la calcolatrice, nonostante l’output affermasse “La calcolatrice mostra” (che travisa il modo in cui è stato ottenuto il risultato). Stranamente, ha anche cercato sul web, cosa che sembra superflua per un problema di matematica di base.
Poi ho testato il modello con un problema di matematica più impegnativo, e questa volta il risultato è stato solido. Ha risposto rapidamente e risolto il problema con un breve script Python, che potevo vedere direttamente nella sua catena di pensiero. Poter ispezionare il codice come parte del processo di ragionamento è una funzione davvero utile.
Generare un breve gioco in P5js
Qualche settimana fa, quando ho testato Gemini 2.5 Pro, ho generato al volo un gioco p5.js per vedere come gestiva i compiti di creative coding. Ho voluto riutilizzare lo stesso prompt con o4-mini, ma stavolta ho usato o4-mini-high. Il risultato non è stato troppo distante da Gemini 2.5 Pro, il che è ottimo considerando che questo è un modello più piccolo.
Il prompt era: Creami un endless runner avvincente. Istruzioni chiave sullo schermo. Scena p5js, niente HTML. Mi piacciono i dinosauri pixelati e gli sfondi interessanti.
E il primo risultato:
Quel dinosauro a me sembra più una vecchia cinepresa, ma per il resto è ottimo.
Ragionamento multimodale con input di grandi dimensioni
Stanford ha pubblicato di recente The 2025 AI Index Report, un report di 450 pagine (117.649 token) sullo stato attuale dell’industria dell’IA. Ho chiesto a o4-mini-high di leggerlo e prevedere 10 trend per il 2026. Ha gestito bene il compito e lo ha completato in soli 9 secondi.
Ecco i trend che ha previsto per il 2026:
- Performance quasi umana su nuovi benchmark di ragionamento
- Inferenza a costo ultra-basso per LLM in produzione
- Pipeline di training con dati sintetici più reali
- Adozione diffusa di hardware nativo per l’IA
- Standardizzazione dei modelli fondamentali multimodali
- Regimi di certificazione e audit per l’IA responsabile
- Scoperta scientifica guidata dall’IA che accelera lavori da Nobel
- Quadri di governance dell’IA locali con allineamento globale
- Democratizzazione dell’educazione all’IA e della prontezza della forza lavoro
- Agenti IA come knowledge worker collaborativi
La maggior parte ha senso, anche se alcune previsioni tendono all’ottimismo. Prendi la numero due—sì, i costi di inferenza stanno calando, ma “ultra-basso” è un po’ azzardato, soprattutto per modelli più grandi e deploy meno ottimizzati.
La numero quattro è simile: l’hardware nativo per l’IA sta progredendo, ma un’adozione su larga scala dipende da catene di fornitura, integrazione software e supporto dell’ecosistema, che richiedono tempo.
Quanto alla numero nove, siamo ancora piuttosto lontani da qualcosa che si possa definire piena democratizzazione dell’educazione all’IA, ma, per essere equi, il modello non ha detto “completa”.
Benchmark di O4-Mini
O4-mini è stato progettato per essere un modello veloce ed economico, ma si comporta comunque bene su un ampio set di benchmark di ragionamento. In alcuni casi, supera persino modelli più grandi come o3.
Matematica e logica
Questi test si concentrano sul ragionamento strutturato, richiedendo spesso più passaggi per risolvere correttamente problemi di matematica. I benchmark AIME, ad esempio, provengono da gare di matematica a livello liceale.
- AIME 2024: o4-mini (senza strumenti) ottiene 93,4%, superando o3 (91,6%), o3-mini (87,3%) e o1 (74,3%).
- AIME 2025: o4-mini (senza strumenti) ottiene 92,7%, ancora davanti a o3 (88,9%), o3-mini (86,5%) e o1 (79,2%)
Fonte: OpenAI
Coding
Questi benchmark testano la capacità del modello di scrivere, fare debug e comprendere codice. Codeforces è un dataset di programmazione competitiva, mentre SWE-Bench e Aider Polyglot simulano attività ingegneristiche reali.
- Codeforces: o4-mini (con terminale) ottiene un ELO di 2719, leggermente sopra o3 (2706). o3-mini ottiene 2073, e o1 rimane molto indietro a 1891.
- SWE-Bench Verified: o4-mini ottiene 68,1%, appena dietro a o3 con 69,1%, e davanti a o1 (48,9%) e o3-mini (49,3%).
- Aider Polyglot (modifica del codice): o4-mini-high ottiene 68,9% (whole) e 58,2% (diff). Per confronto, o3-high ottiene 81,3% (whole) e 79,6% (diff).
Fonte: OpenAI
Ragionamento multimodale
Questi benchmark misurano quanto bene il modello elabora input visivi come diagrammi, grafici e figure. I test combinano comprensione delle immagini e ragionamento logico.
- MMMU: o4-mini ottiene 81,6%, vicino a o3 (82,9%) e meglio di o1 (77,6%).
- MathVista: o4-mini ottiene 84,3%, dietro a o3 (86,8%) ma nettamente sopra o1 (71,8%).
- CharXiv (figure scientifiche): o4-mini raggiunge 72,0%, dietro a o3 (78,6%) ma sopra o1 (55,1%).
Fonte: OpenAI
QA generale e ragionamento
Questi dataset testano la capacità di risposta a domande generali, incluse domande scientifiche a livello di dottorato e ragionamento aperto su diverse materie. Spesso è necessario usare strumenti per ottenere buoni punteggi.
- GPQA Diamond: o4-mini ottiene 81,4%, dietro a o3 (83,3%) ma sopra o1 (78,0%) e o3-mini (77,0%).
- Humanity’s Last Exam:
- o4-mini (senza strumenti): 14,28%
- o4-mini (con Python + navigazione): 17,70%
- Per contesto, o3 (con strumenti) ha ottenuto 24,90% e Deep Research 26,60%.
Fonte: OpenAI
O4-Mini vs O3: quale dovresti usare?
O4-mini e o3 si basano sulla stessa filosofia di design: modelli che sanno ragionare con strumenti, pensare passo passo e lavorare con testo, codice e immagini. Ma sono costruiti per compromessi diversi. In breve:
- Scegli o3 se la precisione è la tua priorità e il costo è meno rilevante.
- Scegli o4-mini se velocità, volume o convenienza economica contano più di spremere qualche punto in più nei benchmark.
O3 è complessivamente più forte
O3 ottiene punteggi più alti di o4-mini in benchmark come CharXiv, MathVista e Humanity’s Last Exam. Mostra anche maggiore consistenza nei compiti complessi che richiedono catene di ragionamento più lunghe o generazione di codice precisa. Se lavori su problemi di ricerca, flussi di lavoro scientifici o qualsiasi cosa in cui l’accuratezza conta più di velocità o costo, o3 è probabilmente la scelta più sicura.
O4-mini è molto più economico e veloce
La differenza di prezzo è significativa: o4-mini costa 1,10 $ per l’input e 4,40 $ per l’output, rispetto a o3 con 10 $ e 40 $ rispettivamente. È quasi una differenza di 10 volte su tutta la linea. Ottieni anche tempi di risposta più rapidi e throughput più alto, il che lo rende più adatto a ambienti di produzione, strumenti in tempo reale o qualsiasi cosa giri su larga scala.
La multimodalità non è un fattore decisivo
Entrambi i modelli sono multimodali e capaci di usare strumenti. Entrambi supportano Python, navigazione e visione. Se cerchi solo quel set di funzionalità, funzioneranno entrambi.
Come accedere a o4-mini in ChatGPT e via API
Puoi usare o4-mini sia in ChatGPT che nell’API di OpenAI, a seconda del tuo piano.
In ChatGPT
Se usi ChatGPT con un abbonamento Plus, Pro o Team, o4-mini è già disponibile. Lo vedrai elencato come “o4-mini” e “o4-mini-high” nel selettore del modello.
Queste opzioni sostituiscono le vecchie o3-mini e o1. Anche gli utenti free possono provare o4-mini in forma limitata selezionando la modalità “Think” nel composer prima di inviare un prompt. Nota che:
- o4-mini è la versione veloce di default.
- o4-mini-high gira con maggiore sforzo di inferenza per una qualità migliore a scapito della velocità.
Nell’API
o4-mini è disponibile anche tramite la OpenAI API sotto gli endpoint Chat Completions e Responses. Entrambe le versioni (standard e high) supportano l’uso di strumenti, inclusi navigazione, Python e input di immagini, a seconda di come hai configurato il tuo set di strumenti.
L’ID del modello per lo snapshot corrente è o4-mini-2025-04-16 . I prezzi sono fissati a 1,10 $ per milione di token in input e 4,40 $ per milione di token in output, con caching e batching supportati. Se lavori con la Responses API, hai anche visibilità sui token di ragionamento e maggiore controllo sull’esecuzione degli strumenti all’interno di catene multi-step.
Conclusione
o4-mini offre performance solide su attività di matematica, codice e multimodalità, riducendo i costi di inferenza di un ordine di grandezza rispetto a o3. I benchmark mostrano che regge bene, anche in compiti dove i modelli in genere faticano, come il ragionamento multimodale o il coding.
È anche la prima volta che un modello “mini” di OpenAI include pieno supporto agli strumenti e multimodalità nativa. Solo questo lo pone avanti a o3-mini e o1, che sostituisce nella maggior parte dei livelli di ChatGPT. E con l’aggiunta di o4-mini-high, gli utenti hanno un po’ più di controllo sul bilanciamento tra velocità e qualità dell’output.
Se o4-mini sia il modello giusto dipende dal compito. Non batterà o3 in termini di capacità pura, ma per tutto ciò che deve girare rapidamente, scalare facilmente o rimanere entro un budget più stretto, è un’ottima opzione—e in molti casi, più che sufficiente.
