Khóa học
Phát triển hệ thống AI với OpenAI API
3 giờ
23.1K
Gần đây, OpenAI ra mắt o4-mini, một mô hình suy luận mới được thiết kế để nhanh hơn và rẻ hơn o3, đồng thời vẫn hỗ trợ các công cụ như Python, duyệt web và đầu vào hình ảnh. Khác với o3-mini, mặc định nó cũng là đa phương thức.
Trong bài viết này, tôi xem xét kỹ hơn những gì o4-mini thực sự có thể làm. Tôi đã chạy một vài kiểm thử thực tế về toán học, mã nguồn và đầu vào trực quan, đồng thời đưa vào các con số điểm chuẩn chính thức của OpenAI để cho thấy nó so sánh thế nào với các mô hình như o3 và o1.
Bạn cũng sẽ tìm thấy thông tin chi tiết về giá, khả dụng, và khi nào nên chọn o4-mini thay vì các mô hình khác.
Chúng tôi luôn cập nhật cho độc giả những điều mới nhất trong AI qua The Median, bản tin miễn phí gửi thứ Sáu hằng tuần, tóm lược các tin chính trong tuần. Đăng ký để nắm bắt nhanh chỉ trong vài phút mỗi tuần:
O4-Mini là gì?
O4-mini là mô hình suy luận quy mô nhỏ mới nhất trong dòng o-series của OpenAI. Nó được tối ưu cho tốc độ, chi phí hợp lý và suy luận tăng cường công cụ, với cửa sổ ngữ cảnh 200.000 token và hỗ trợ tối đa 100.000 token đầu ra—tương đương với o3 và o1.
Nguồn: OpenAI
Điểm khác biệt lớn nhất nằm ở chi phí và hiệu quả triển khai. o4-mini có giá $1,10 cho mỗi triệu token đầu vào và $4,40 cho mỗi triệu token đầu ra, so với mức giá $10,00 đầu vào và $40,00 đầu ra của o3—giảm chi phí khoảng 10 lần cho cả đầu vào lẫn đầu ra. Như chúng ta sẽ thấy ở phần điểm chuẩn, o4-mini mang lại hiệu năng tương đương o3.
Giá API o4-mini (trái) so với giá của o3 (phải)
Về công cụ, o4-mini tương thích với Python, duyệt web và đầu vào hình ảnh, và tích hợp với các endpoint tiêu chuẩn của OpenAI, bao gồm Chat Completions và Responses. Hỗ trợ truyền trực tuyến (streaming), gọi hàm (function calling) và đầu ra có cấu trúc. Không hỗ trợ tinh chỉnh (fine-tuning) và embeddings.
o4-mini so với o4-mini-high
Nếu bạn mở ứng dụng ChatGPT, có thể bạn sẽ thấy tùy chọn chọn giữa o4-mini và o4-mini-high. o4-mini-high là một cấu hình của cùng mô hình nền tảng với mức nỗ lực suy luận cao hơn. Điều đó có nghĩa là:
- Dành nhiều thời gian hơn để xử lý nội bộ mỗi lời nhắc,
- Thường cho đầu ra chất lượng cao hơn, đặc biệt với các tác vụ nhiều bước,
- Nhưng thời gian phản hồi chậm hơn và có thể dùng nhiều token hơn.
Nếu bạn cần hoàn thành nhanh, o4-mini có thể là lựa chọn tốt hơn. Với suy luận phức tạp hơn (đặc biệt khi cần suy luận trên mã hoặc đầu vào hình ảnh), ngữ cảnh dài hơn, hoặc các trường hợp cần độ chính xác cao, o4-mini-high có thể cho kết quả tốt hơn.
Kiểm thử O4-Mini
Hãy thử o4-mini với một chút toán, lập trình và đầu vào đa phương thức.
Toán
Trước hết, tôi muốn bắt đầu với một phép tính đơn giản thường khiến các mô hình ngôn ngữ bối rối. Tôi không cố kiểm tra kỹ năng số học cơ bản—mà muốn xem liệu mô hình có chọn đúng phương pháp để giải, hoặc suy luận từng bước, hoặc gọi một công cụ như máy tính.
Kết quả đầu tiên là sai. Tôi đề xuất dùng máy tính, và dù câu trả lời thứ hai đúng, vẫn có hai vấn đề. Thứ nhất, nó mô tả kết quả là “xấp xỉ” dù phép trừ này không cần làm tròn hay ước lượng.
Thứ hai, phần suy luận cho thấy nó thực ra không dùng máy tính, dù đầu ra khẳng định “Máy tính cho thấy” (gây hiểu sai về cách đạt được kết quả). Lạ là nó còn tìm trên web, điều này không cần thiết với một bài toán cơ bản.
Tiếp theo, tôi kiểm thử mô hình với một bài toán khó hơn, và lần này kết quả chắc chắn. Nó phản hồi nhanh và giải bài bằng một đoạn script Python ngắn, mà tôi có thể thấy trực tiếp trong chuỗi suy nghĩ của nó. Khả năng xem mã như một phần của quá trình suy luận thực sự hữu ích.
Tạo một trò chơi P5js ngắn
Vài tuần trước, khi tôi kiểm thử Gemini 2.5 Pro, tôi đã tạo nhanh một trò chơi p5.js để xem nó xử lý các tác vụ lập trình sáng tạo ra sao. Tôi muốn chạy cùng lời nhắc với o4-mini, nhưng lần này dùng o4-mini-high. Kết quả không thua kém mấy so với Gemini 2.5 Pro, điều này rất tốt vì đây là một mô hình nhỏ hơn.
Lời nhắc là: Hãy làm cho tôi một trò chơi endless runner cuốn hút. Hiển thị hướng dẫn chính trên màn hình. Cảnh p5js, không HTML. Tôi thích khủng long kiểu pixel và phông nền thú vị.
Và kết quả đầu tiên:
Con khủng long đó trông giống một chiếc máy quay phim cổ hơn với tôi, nhưng phần còn lại thì tuyệt.
Suy luận đa phương thức với đầu vào lớn
Stanford gần đây phát hành Báo cáo AI Index 2025, một tài liệu 450 trang (117.649 token) tổng quan về hiện trạng ngành AI. Tôi yêu cầu o4-mini-high đọc và dự đoán 10 xu hướng cho năm 2026. Nó xử lý tốt và hoàn thành chỉ trong 9 giây.
Dưới đây là các xu hướng nó dự đoán cho 2026:
- Hiệu năng gần mức con người trên các điểm chuẩn suy luận mới
- Suy luận chi phí siêu thấp cho các LLM sản xuất
- Pipeline huấn luyện kết hợp dữ liệu tổng hợp và dữ liệu thực
- Phổ cập phần cứng thuần AI
- Chuẩn hóa các mô hình nền tảng đa phương thức
- Chế độ chứng nhận và kiểm toán AI có trách nhiệm
- Khám phá khoa học do AI dẫn dắt tăng tốc các công trình tầm Nobel
- Khung quản trị AI bản địa hóa với sự tương thích toàn cầu
- Dân chủ hóa giáo dục AI và sẵn sàng cho lực lượng lao động
- Tác tử AI như những cộng sự tri thức
Hầu hết đều hợp lý, dù một vài dự đoán thiên về lạc quan. Lấy số hai làm ví dụ—đúng là chi phí suy luận đang giảm, nhưng “siêu thấp” thì hơi quá, đặc biệt với các mô hình lớn và triển khai kém tối ưu.
Số bốn cũng tương tự: phần cứng thuần AI đang tiến triển, nhưng việc phổ cập phụ thuộc vào chuỗi cung ứng, tích hợp phần mềm và hỗ trợ hệ sinh thái, những yếu tố đều cần thời gian.
Về số chín, chúng ta vẫn còn khá xa mới đạt được điều có thể gọi là dân chủ hóa toàn diện giáo dục AI, nhưng công bằng mà nói, mô hình cũng không nói “hoàn toàn”.
Điểm chuẩn O4-Mini
O4-mini được thiết kế là mô hình nhanh, tiết kiệm chi phí, nhưng vẫn thể hiện tốt trên tập rộng các điểm chuẩn suy luận. Trong một số trường hợp, nó còn vượt các mô hình lớn hơn như o3.
Toán và logic
Các bài kiểm thử này tập trung vào suy luận có cấu trúc, thường cần nhiều bước để giải đúng bài toán. Chẳng hạn, các điểm chuẩn AIME được lấy từ các kỳ thi toán trung học mang tính cạnh tranh.
- AIME 2024: o4-mini (không công cụ) đạt 93,4%, vượt o3 (91,6%), o3-mini (87,3%) và o1 (74,3%).
- AIME 2025: o4-mini (không công cụ) đạt 92,7%, tiếp tục vượt o3 (88,9%), o3-mini (86,5%) và o1 (79,2%)
Nguồn: OpenAI
Lập trình
Các điểm chuẩn này kiểm tra khả năng viết, gỡ lỗi và hiểu mã. Codeforces là bộ dữ liệu lập trình thi đấu, trong khi SWE-Bench và Aider Polyglot mô phỏng tác vụ kỹ thuật thực tế.
- Codeforces: o4-mini (có terminal) đạt ELO 2719, nhỉnh hơn o3 (2706). o3-mini đạt 2073, và o1 kém xa ở mức 1891.
- SWE-Bench Verified: o4-mini đạt 68,1%, ngay sau o3 ở mức 69,1%, và vượt o1 (48,9%) cùng o3-mini (49,3%).
- Aider Polyglot (chỉnh sửa mã): o4-mini-high đạt 68,9% (whole) và 58,2% (diff). So sánh, o3-high đạt 81,3% (whole) và 79,6% (diff).
Nguồn: OpenAI
Suy luận đa phương thức
Các điểm chuẩn này đánh giá khả năng xử lý đầu vào trực quan như sơ đồ, biểu đồ và hình minh họa. Bài kiểm thử kết hợp hiểu hình ảnh với suy luận logic.
- MMMU: o4-mini đạt 81,6%, sát o3 (82,9%) và vượt o1 (77,6%).
- MathVista: o4-mini đạt 84,3%, kém o3 (86,8%) nhưng vượt xa o1 (71,8%).
- CharXiv (hình khoa học): o4-mini đạt 72,0%, sau o3 (78,6%) nhưng vượt o1 (55,1%).
Nguồn: OpenAI
Hỏi đáp tổng quát và suy luận
Các bộ dữ liệu này kiểm tra khả năng hỏi đáp rộng, bao gồm câu hỏi khoa học cấp độ tiến sĩ và suy luận mở rộng đa môn. Thường cần sử dụng công cụ để đạt điểm cao.
- GPQA Diamond: o4-mini đạt 81,4%, sau o3 (83,3%) nhưng vượt o1 (78,0%) và o3-mini (77,0%).
- Humanity’s Last Exam:
- o4-mini (không công cụ): 14,28%
- o4-mini (với Python + duyệt web): 17,70%
- Để so sánh, o3 (có công cụ) đạt 24,90%, và Deep Research đạt 26,60%.
Nguồn: OpenAI
O4-Mini vs O3: Bạn nên dùng cái nào?
O4-mini và o3 dựa trên cùng triết lý thiết kế: các mô hình có thể suy luận với công cụ, tư duy từng bước, và làm việc với văn bản, mã và hình ảnh. Nhưng chúng được xây dựng cho những đánh đổi khác nhau. Tóm lại:
- Chọn o3 nếu độ chính xác là ưu tiên hàng đầu và chi phí không quá quan trọng.
- Chọn o4-mini nếu tốc độ, sản lượng hoặc hiệu quả chi phí quan trọng hơn việc cố gắng tăng thêm vài điểm chuẩn.
O3 mạnh hơn nhìn chung
O3 đạt điểm cao hơn o4-mini trên các điểm chuẩn như CharXiv, MathVista và Humanity’s Last Exam. Nó cũng nhất quán hơn trên những tác vụ phức tạp đòi hỏi chuỗi suy luận dài hoặc sinh mã chính xác. Nếu bạn làm việc với bài toán nghiên cứu, quy trình khoa học, hoặc bất cứ thứ gì mà độ chính xác quan trọng hơn tốc độ hay chi phí, o3 có lẽ an toàn hơn.
O4-mini rẻ hơn và nhanh hơn nhiều
Chênh lệch giá rất lớn: o4-mini có giá $1,10 cho đầu vào và $4,40 cho đầu ra, trong khi o3 là $10 và $40 tương ứng. Gần 10 lần khác biệt trên mọi mặt. Bạn cũng có thời gian phản hồi nhanh hơn và thông lượng cao hơn, phù hợp hơn cho môi trường sản xuất, công cụ thời gian thực hoặc bất cứ thứ gì chạy ở quy mô lớn.
Tính đa phương thức không phải yếu tố quyết định
Cả hai mô hình đều đa phương thức và dùng được công cụ. Cả hai hỗ trợ Python, duyệt web và thị giác. Nếu bạn chỉ tìm bộ tính năng đó, dùng cái nào cũng được.
Cách truy cập o4-mini trong ChatGPT và API
Bạn có thể dùng o4-mini trong cả ChatGPT và OpenAI API, tùy theo gói của bạn.
Trong ChatGPT
Nếu bạn dùng ChatGPT với gói Plus, Pro hoặc Team, o4-mini đã sẵn có. Bạn sẽ thấy nó được liệt kê là “o4-mini” và “o4-mini-high” trong bộ chọn mô hình.
Những tùy chọn này thay thế o3-mini và o1 cũ. Người dùng miễn phí cũng có thể thử o4-mini ở dạng giới hạn bằng cách chọn chế độ “Think” trong khung soạn trước khi gửi lời nhắc. Lưu ý rằng:
- o4-mini là phiên bản nhanh mặc định.
- o4-mini-high chạy với nỗ lực suy luận tăng cường để có chất lượng tốt hơn, đổi lại tốc độ.
Trong API
o4-mini cũng có sẵn qua OpenAI API dưới các endpoint Chat Completions và Responses. Cả hai phiên bản (chuẩn và high) đều hỗ trợ dùng công cụ, bao gồm duyệt web, Python và đầu vào hình ảnh, tùy theo cách bạn cấu hình bộ công cụ.
ID mô hình cho bản snapshot hiện tại là o4-mini-2025-04-16 . Giá là $1,10 cho mỗi triệu token đầu vào và $4,40 cho mỗi triệu token đầu ra, có hỗ trợ caching và batching. Nếu bạn làm việc với Responses API, bạn cũng có khả năng xem token suy luận và kiểm soát nhiều hơn việc thực thi công cụ trong các chuỗi nhiều bước.
Kết luận
o4-mini mang lại hiệu năng vững vàng trên các tác vụ toán, mã và đa phương thức, đồng thời cắt giảm chi phí suy luận theo cấp số nhân so với o3. Các điểm chuẩn cho thấy nó đứng vững, ngay cả ở những tác vụ mà mô hình thường gặp khó, như suy luận đa phương thức hoặc lập trình.
Đây cũng là lần đầu một mô hình mini của OpenAI bao gồm đầy đủ hỗ trợ công cụ và đa phương thức gốc. Chỉ riêng điều đó đã giúp nó vượt o3-mini và o1, cả hai đều được thay thế trong hầu hết các gói ChatGPT. Và với o4-mini-high, người dùng có thêm chút kiểm soát cân bằng giữa tốc độ và chất lượng đầu ra.
O4-mini có phù hợp hay không phụ thuộc vào tác vụ. Nó sẽ không vượt o3 về năng lực thuần túy, nhưng với bất kỳ thứ gì cần chạy nhanh, dễ mở rộng, hoặc duy trì trong ngân sách chặt chẽ hơn, đây là lựa chọn mạnh—và trong nhiều trường hợp, là đủ tốt.
