ModelosSuporteEmpresarialBlog
500+ APIs de Modelos de IA, Tudo em Uma API. Apenas na CometAPI
API de Modelos
Desenvolvedor
Início RápidoDocumentaçãoPainel de API
Recursos
Modelos de IABlogEmpresarialRegistro de AlteraçõesSobre
2025 CometAPI. Todos os direitos reservados.Política de PrivacidadeTermos de Serviço
Home/Models/OpenAI/o1-mini-2024-09-12
O

o1-mini-2024-09-12

Entrada:$0.88/M
Saída:$3.52/M
Uso comercial
Visão Geral
Recursos
Preços
API

Technical Specifications of o1-mini-2024-09-12

SpecificationDetails
Model IDo1-mini-2024-09-12
ProviderOpenAI
Model familyo1 series reasoning model
Release snapshotSeptember 12, 2024 snapshot of o1-mini
Primary modalityText input, text output
Core strengthCost-efficient reasoning, especially for STEM, math, and coding tasks
Relative positioningFaster and lower-cost than o1-preview, with strong performance on coding-oriented reasoning workloads
Training approachReinforcement-learning-based reasoning model designed to spend more time thinking before responding
Availability statusSnapshot listed by OpenAI as deprecated

What is o1-mini-2024-09-12?

o1-mini-2024-09-12 is a snapshot of OpenAI’s o1-mini reasoning model, released on September 12, 2024. It belongs to the o1 family, which OpenAI introduced as models that “think before they answer” and are optimized for complex reasoning rather than only fast next-token generation.

Compared with larger o1 variants, o1-mini was positioned as the faster and more economical option for workloads that need strong reasoning without requiring the broadest possible world knowledge. OpenAI specifically highlighted its usefulness for STEM-heavy applications, noting that it performs especially well in math and coding and was designed as a cost-efficient alternative to o1-preview.

In practical terms, this makes o1-mini-2024-09-12 a good fit for developers building applications such as code assistants, technical problem-solving tools, structured analytical workflows, and math-focused copilots. Because this exact snapshot is now marked deprecated in OpenAI’s model documentation, teams using the CometAPI identifier should verify ongoing compatibility and behavior in their own environment.

Main features of o1-mini-2024-09-12

  • Reasoning-first design: OpenAI describes the o1 series as models trained to perform complex reasoning and to spend more time thinking before responding, which can improve performance on multi-step technical tasks.
  • Strong STEM performance: o1-mini was explicitly introduced as excelling at STEM workloads, especially math and coding, making it suitable for engineering and analytical use cases.
  • Lower cost profile: OpenAI stated that o1-mini launched at a significantly lower cost than o1-preview, positioning it as the more budget-friendly reasoning option.
  • Faster response characteristics: The model was presented as faster than o1-preview, which is useful when balancing reasoning quality with latency-sensitive application needs.
  • Good fit for coding applications: OpenAI’s release materials and system documentation repeatedly describe o1-mini as particularly effective for coding-related tasks.
  • Snapshot stability: Using the exact snapshot ID o1-mini-2024-09-12 can help teams target a fixed model version for reproducibility, though OpenAI currently labels this snapshot as deprecated.

How to access and integrate o1-mini-2024-09-12

Step 1: Sign Up for API Key

To access o1-mini-2024-09-12, first create an account on CometAPI and generate an API key from the dashboard. Once you have your key, store it securely as an environment variable so your application can authenticate requests to the API.

Step 2: Send Requests to o1-mini-2024-09-12 API

After getting your API key, send requests to CometAPI’s OpenAI-compatible endpoint while setting the model field to o1-mini-2024-09-12.

curl https://api.cometapi.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "o1-mini-2024-09-12",
    "input": "Write a Python function that solves a quadratic equation and explain the math."
  }'

You can also use the OpenAI SDK format by pointing the client to CometAPI’s base URL and keeping the model name as o1-mini-2024-09-12.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.responses.create(
    model="o1-mini-2024-09-12",
    input="Solve this step by step: If 3x + 5 = 20, what is x?"
)

print(response)

Step 3: Retrieve and Verify Results

Once the API returns a response, parse the output text in your application and validate it for your use case. For reasoning-heavy tasks such as coding, mathematics, or technical analysis, it is a good practice to add automated checks, test cases, or human review to verify that the model’s conclusions are correct before using them in production.

Recursos para o1-mini-2024-09-12

Explore os principais recursos do o1-mini-2024-09-12, projetado para aprimorar o desempenho e a usabilidade. Descubra como essas capacidades podem beneficiar seus projetos e melhorar a experiência do usuário.

Preços para o1-mini-2024-09-12

Explore preços competitivos para o1-mini-2024-09-12, projetado para atender diversos orçamentos e necessidades de uso. Nossos planos flexíveis garantem que você pague apenas pelo que usar, facilitando o dimensionamento conforme suas necessidades crescem. Descubra como o1-mini-2024-09-12 pode aprimorar seus projetos mantendo os custos gerenciáveis.
Preço do Comet (USD / M Tokens)Preço Oficial (USD / M Tokens)Desconto
Entrada:$0.88/M
Saída:$3.52/M
Entrada:$1.1/M
Saída:$4.4/M
-20%

Código de exemplo e API para o1-mini-2024-09-12

Acesse código de exemplo abrangente e recursos de API para o1-mini-2024-09-12 para otimizar seu processo de integração. Nossa documentação detalhada fornece orientação passo a passo, ajudando você a aproveitar todo o potencial do o1-mini-2024-09-12 em seus projetos.

Mais modelos

G

Nano Banana 2

Entrada:$0.4/M
Saída:$2.4/M
Visão geral das capacidades principais: Resolução: Até 4K (4096×4096), no mesmo nível do Pro. Consistência de imagem de referência: Até 14 imagens de referência (10 objetos + 4 personagens), mantendo a consistência de estilo/personagem. Proporções extremas: Novas proporções 1:4, 4:1, 1:8, 8:1 adicionadas, adequadas para imagens longas, pôsteres e banners. Renderização de texto: Geração de texto avançada, adequada para infográficos e layouts de pôsteres de marketing. Aprimoramento de pesquisa: Google Search + Image Search integrados. Fundamentação: Processo de raciocínio incorporado; prompts complexos são analisados antes da geração.
A

Claude Opus 4.6

Entrada:$4/M
Saída:$20/M
Claude Opus 4.6 é o modelo de linguagem de grande porte da classe “Opus” da Anthropic, lançado em fevereiro de 2026. É posicionado como um cavalo de batalha para o trabalho do conhecimento e fluxos de trabalho de pesquisa — aprimorando o raciocínio em contextos longos, o planejamento em múltiplas etapas, o uso de ferramentas (incluindo fluxos de trabalho de software agente) e tarefas de uso do computador, como a geração automatizada de slides e planilhas.
A

Claude Sonnet 4.6

Entrada:$2.4/M
Saída:$12/M
Claude Sonnet 4.6 é o nosso modelo Sonnet mais capaz até agora. É uma atualização completa das capacidades do modelo em programação, uso do computador, raciocínio de longo contexto, planejamento de agentes, trabalho de conhecimento e design. Sonnet 4.6 também apresenta uma janela de contexto de 1M tokens em beta.
O

GPT-5.4 nano

Entrada:$0.16/M
Saída:$1/M
O GPT-5.4 nano foi projetado para tarefas em que a velocidade e o custo são os que mais importam, como classificação, extração de dados, ranqueamento e subagentes.
O

GPT-5.4 mini

Entrada:$0.6/M
Saída:$3.6/M
GPT-5.4 mini traz os pontos fortes do GPT-5.4 para um modelo mais rápido e mais eficiente, projetado para cargas de trabalho de alto volume.
A

Claude Mythos Preview

A

Claude Mythos Preview

Em breve
Entrada:$60/M
Saída:$240/M
Claude Mythos Preview é nosso modelo de fronteira mais capaz até o momento e apresenta um salto impressionante nos resultados em muitos benchmarks de avaliação em comparação com nosso modelo de fronteira anterior, Claude Opus 4.6.