Cursus
AI-systemen ontwikkelen met de OpenAI API
3 uur
23.1K
OpenAI introduceerde onlangs o4-mini, een nieuw redeneermodel dat sneller en goedkoper is dan o3, en toch tools als Python, browsen en beeldinvoer ondersteunt. In tegenstelling tot o3-mini is het standaard ook multimodaal.
In dit artikel kijk ik van dichtbij wat o4-mini in de praktijk kan. Ik draaide een paar praktische tests op wiskunde, code en visuele input, en ik heb OpenAI’s officiële benchmarkcijfers toegevoegd om te laten zien hoe het zich verhoudt tot modellen als o3 en o1.
Je vindt ook details over prijs, beschikbaarheid en wanneer het logisch is om o4-mini te kiezen boven andere modellen.
We houden onze lezers op de hoogte van het laatste AI-nieuws met The Median, onze gratis vrijdagse nieuwsbrief die de belangrijkste verhalen van de week samenvat. Abonneer je en blijf scherp in een paar minuten per week:
Wat is O4-Mini?
O4-mini is OpenAI’s meest recente kleinschalige redeneermodel in de o-serie. Het is geoptimaliseerd voor snelheid, betaalbaarheid en tool-ondersteunde redenering, met een contextvenster van 200.000 tokens en ondersteuning voor tot 100.000 outputtokens—vergelijkbaar met o3 en o1.
Bron: OpenAI
Het grootste verschil zit in kosten en implementatie-efficiëntie. o4-mini draait voor $1,10 per miljoen inputtokens en $4,40 per miljoen outputtokens, vergeleken met o3’s $10,00 voor input en $40,00 voor output—ongeveer 10x goedkoper voor zowel input als output. Zoals we in de benchmarksectie zullen zien, biedt o4-mini vergelijkbare prestaties als o3.
o4-mini API-prijzen (links) vs. o3’s prijzen (rechts)
Qua tools is o4-mini compatibel met Python, browsen en beeldinvoer, en het integreert met standaard OpenAI-eindpunten, waaronder Chat Completions en Responses. Streaming, function calling en gestructureerde outputs worden ondersteund. Fine-tuning en embeddings niet.
o4-mini vs. o4-mini-high
Als je de ChatGPT-app hebt geopend, heb je misschien de optie gezien om te kiezen tussen o4-mini en o4-mini-high. o4-mini-high is een configuratie van hetzelfde onderliggende model met verhoogde inference-inspanning. Dat betekent:
- Het besteedt intern meer tijd aan het verwerken van elke prompt,
- Levert over het algemeen outputs van hogere kwaliteit op, vooral bij taken met meerdere stappen,
- Maar met tragere reactietijden en mogelijk hoger tokenverbruik.
Heb je snellere voltooiingen nodig, dan is o4-mini waarschijnlijk de betere keuze. Voor complexere redenering (vooral als die over code of visuele input moet gebeuren), langere contexten of use-cases waar precisie cruciaal is, kan o4-mini-high betere outputs geven.
O4-Mini testen
Laten we o4-mini testen op een beetje wiskunde, coderen en multimodale input.
Wiskunde
Eerst wilde ik beginnen met een eenvoudige berekening die taalmodellen meestal in de war brengt. Ik probeerde niet de basisrekenvaardigheden te testen—ik wilde vooral zien of het model de juiste methode zou kiezen, door stapsgewijs te redeneren of een tool zoals een rekenmachine aan te roepen.
De output was bij de eerste poging fout. Ik stelde voor om de rekenmachine te gebruiken, en hoewel het tweede antwoord correct was, waren er nog steeds twee problemen. Ten eerste beschreef het het resultaat als “ongeveer”, terwijl voor deze aftrekking geen afronding of schatting nodig was.
Ten tweede liet de redenering zien dat het de rekenmachine eigenlijk niet had gebruikt, ondanks dat de output zei “De rekenmachine toont” (wat een verkeerde weergave is van hoe het resultaat tot stand kwam). Vreemd genoeg zocht het ook op het web, wat onnodig lijkt voor een eenvoudige rekensom.
Vervolgens testte ik het model op een uitdagendere wiskundeopgave, en dit keer was het resultaat solide. Het reageerde snel en loste het probleem op met een kort Python-script, dat ik direct kon zien in de chain of thought. De code als onderdeel van het redeneerproces kunnen inspecteren is echt een nuttige functie.
Een kort P5js-spel genereren
Een paar weken geleden, toen ik Gemini 2.5 Pro testte, genereerde ik snel een p5.js-spel om te zien hoe het creatieve codeertaken aanpakte. Ik wilde dezelfde prompt draaien met o4-mini, maar dit keer gebruikte ik o4-mini-high. Het resultaat lag niet ver af van Gemini 2.5 Pro, wat knap is gezien dit een kleiner model is.
De prompt was: Maak een boeiend endless runner-spel. Belangrijke instructies op het scherm. p5js-scene, geen HTML. Ik houd van gepixelde dinosaurussen en interessante achtergronden.
En het eerste resultaat:
Die dinosaurus lijkt voor mij meer op een oude filmcamera, maar de rest is prima.
Multimodale redenering met grote input
Stanford bracht onlangs The 2025 AI Index Report uit, een overzicht van 450 pagina’s (117.649 tokens) van de huidige staat van de AI-industrie. Ik vroeg o4-mini-high om het te lezen en 10 trends voor 2026 te voorspellen. Het pakte de taak goed op en rondde het af in slechts 9 seconden.
Dit zijn de trends die het voorspelde voor 2026:
- Bijna-menselijke prestaties op nieuwe redeneerbenchmarks
- Ultragunstige inferencekosten voor productie-LLM’s
- Trainingspijplijnen met synthetische plus echte data
- Wijdverbreide adoptie van AI-native hardware
- Standaardisering van multimodale foundation-modellen
- Regimes voor Responsible-AI-certificering en auditing
- AI-gestuurde wetenschappelijke ontdekkingen versnellen Nobelwaardig werk
- Gelokaliseerde AI-governancekaders met globale afstemming
- Democratisering van AI-onderwijs en paraatheid van de beroepsbevolking
- AI-agents als samenwerkende kenniswerkers
De meeste hiervan zijn logisch, hoewel enkele voorspellingen neigen naar optimisme. Neem nummer twee—ja, de inferencekosten dalen, maar “ultra-laag” is wat overdreven, zeker voor grotere modellen en minder geoptimaliseerde deployments.
Nummer vier is vergelijkbaar: AI-native hardware boekt vooruitgang, maar wijdverbreide adoptie hangt af van toeleveringsketens, software-integratie en ecosysteemondersteuning, en dat kost tijd.
Wat nummer negen betreft, we zijn nog een heel eind verwijderd van iets wat je volledige democratisering van AI-onderwijs zou kunnen noemen, maar eerlijk is eerlijk, het model zei niet “volledig.”
O4-Mini-benchmarks
O4-mini is ontworpen als een snel, kostenefficiënt model, maar presteert toch goed op een breed scala aan redeneerbenchmarks. In sommige gevallen overtreft het zelfs grotere modellen zoals o3.
Wiskunde en logica
Deze tests richten zich op gestructureerd redeneren, waarbij vaak meerdere stappen nodig zijn om wiskundeproblemen correct op te lossen. De AIME-benchmarks zijn bijvoorbeeld ontleend aan competitieve middelbare school-wiskundewedstrijden.
- AIME 2024: o4-mini (zonder tools) scoort 93,4% en doet het beter dan o3 (91,6%), o3-mini (87,3%) en o1 (74,3%).
- AIME 2025: o4-mini (zonder tools) scoort 92,7% en verslaat opnieuw o3 (88,9%), o3-mini (86,5%) en o1 (79,2%)
Bron: OpenAI
Coderen
Deze benchmarks testen het vermogen van het model om code te schrijven, debuggen en begrijpen. Codeforces is een dataset voor competitief programmeren, terwijl SWE-Bench en Aider Polyglot echte engineeringtaken simuleren.
- Codeforces: o4-mini (met terminal) behaalt een ELO van 2719, net boven o3 (2706). o3-mini scoort 2073, en o1 blijft ver achter met 1891.
- SWE-Bench Verified: o4-mini scoort 68,1%, net achter o3 met 69,1%, en voor o1 (48,9%) en o3-mini (49,3%).
- Aider Polyglot (code editing): o4-mini-high scoort 68,9% (whole) en 58,2% (diff). Ter vergelijking: o3-high scoort 81,3% (whole) en 79,6% (diff).
Bron: OpenAI
Multimodale redenering
Deze benchmarks meten hoe goed het model visuele input zoals diagrammen, grafieken en figuren verwerkt. De tests combineren beeldbegrip met logisch redeneren.
- MMMU: o4-mini scoort 81,6%, dicht bij o3 (82,9%) en beter dan o1 (77,6%).
- MathVista: o4-mini scoort 84,3%, achter o3 (86,8%) maar aanzienlijk boven o1 (71,8%).
- CharXiv (wetenschappelijke figuren): o4-mini haalt 72,0%, achter o3 (78,6%) maar boven o1 (55,1%).
Bron: OpenAI
Algemene QA en redeneren
Deze datasets testen brede vraag-en-antwoordvaardigheden, inclusief vragen op PhD-niveau over wetenschap en open redeneren over onderwerpen heen. Toolgebruik is vaak nodig om goed te scoren.
- GPQA Diamond: o4-mini scoort 81,4%, achter o3 (83,3%) maar boven o1 (78,0%) en o3-mini (77,0%).
- Humanity’s Last Exam:
- o4-mini (zonder tools): 14,28%
- o4-mini (met Python + browsen): 17,70%
- Ter context: o3 (met tools) scoorde 24,90%, en Deep Research scoorde 26,60%.
Bron: OpenAI
O4-Mini vs O3: welke moet je gebruiken?
O4-mini en o3 zijn gebaseerd op dezelfde ontwerpfilosofie: modellen die met tools kunnen redeneren, stap-voor-stap denken en met tekst, code en beelden werken. Maar ze zijn gebouwd met verschillende trade-offs. Kort gezegd:
- Kies o3 als precisie je hoogste prioriteit is en kosten minder zwaar wegen.
- Kies o4-mini als snelheid, volume of kostenefficiëntie belangrijker zijn dan die paar extra benchmarkpunten.
O3 is overall sterker
O3 scoort hoger dan o4-mini op benchmarks als CharXiv, MathVista en Humanity’s Last Exam. Het toont ook meer consistentie bij complexe taken die langere redeneerketens of precieze codegeneratie vereisen. Werk je aan onderzoeksproblemen, wetenschappelijke workflows of iets waarbij nauwkeurigheid zwaarder weegt dan snelheid of kosten, dan is o3 waarschijnlijk de veiligere keuze.
O4-mini is veel goedkoper en sneller
Het prijsverschil is aanzienlijk: o4-mini kost $1,10 voor input en $4,40 voor output, vergeleken met o3 op respectievelijk $10 en $40. Dat is bijna een 10x verschil over de hele linie. Je krijgt ook snellere reactietijden en hogere throughput, wat het geschikter maakt voor productieomgevingen, realtime tools of alles wat op schaal moet draaien.
Multimodaliteit is geen beslissende factor
Beide modellen zijn multimodaal en tool-capable. Beide ondersteunen Python, browsen en vision. Als je vooral naar die features zoekt, werken ze allebei.
Hoe krijg je toegang tot o4-mini in ChatGPT en de API
Je kunt o4-mini gebruiken in zowel ChatGPT als de OpenAI API, afhankelijk van je abonnement.
In ChatGPT
Als je ChatGPT gebruikt met een Plus-, Pro- of Team-abonnement, is o4-mini al beschikbaar. Je ziet het vermeld als “o4-mini” en “o4-mini-high” in de modelkiezer.
Deze vervangen de oudere o3-mini- en o1-opties. Gratis gebruikers kunnen o4-mini ook in beperkte vorm proberen door “Think”-modus in de composer te selecteren voordat ze een prompt versturen. Let op:
- o4-mini is de standaard snelle versie.
- o4-mini-high draait met verhoogde inference-inspanning voor betere kwaliteit ten koste van snelheid.
In de API
o4-mini is ook beschikbaar via de OpenAI API onder de Chat Completions- en Responses-eindpunten. Beide versies (standaard en high) ondersteunen toolgebruik, waaronder browsen, Python en beeldinvoer, afhankelijk van hoe je je toolset hebt geconfigureerd.
De model-ID voor de huidige snapshot is o4-mini-2025-04-16 . De prijs is $1,10 per miljoen inputtokens en $4,40 per miljoen outputtokens, met ondersteuning voor caching en batching. Werk je met de Responses API, dan krijg je ook zichtbaarheid van reasoning tokens en meer controle over toolexecutie binnen ketens met meerdere stappen.
Conclusie
o4-mini levert solide prestaties op wiskunde, code en multimodale taken, terwijl het de inferencekosten met een orde van grootte verlaagt ten opzichte van o3. De benchmarks laten zien dat het goed standhoudt, zelfs bij taken waar modellen het doorgaans lastig mee hebben, zoals multimodale redenering of coderen.
Het is ook de eerste keer dat een mini-model van OpenAI volledige toolondersteuning en native multimodaliteit bevat. Dat alleen al zet het voor op o3-mini en o1, die het in de meeste ChatGPT-niveaus vervangt. En met de toevoeging van o4-mini-high krijgen gebruikers wat meer controle over de balans tussen snelheid en outputkwaliteit.
Of o4-mini het juiste model is, hangt af van de taak. Het zal o3 niet verslaan qua pure capaciteit, maar voor alles wat snel moet draaien, makkelijk moet schalen of binnen een krapper budget moet blijven, is het een sterke optie—en in veel gevallen goed genoeg.
