把图片纳入文字任务
gpt-5-mini 可将图片与文字问题一起处理，适合解释界面内容、整理图中信息或围绕截图追问。它的视觉价值在于把可见内容转为文字分析，而不是生成图片。提交时应说明关注区域、判断规则和期望答案形式，减少开放式描述带来的歧义。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生上下文
- 400K tokens
- 原生最大输出
- 128K tokens
- 输入与交付
- 文本、图像理解；文本回答
- 响应方式
- Responses 与 Chat Completions 提供流式响应
- 格式控制
- Chat Completions 提供 text、json_object、json_schema 格式选项
- 推理控制入口
- Responses：reasoning；Chat Completions：reasoning_effort
- 简化会话
- AI Chat 使用 question；stateful 配合 id 延续对话
容量为 OpenAI 公布的原生规格；格式、推理与会话控制按所选入口使用，不代表所有通用参数均适用于该型号。
核心能力
了解 gpt-5-mini 能为你的工作带来什么。
围绕长材料组织答案
原生长上下文让长篇文字与多轮历史能够共同参与任务。处理说明书、需求材料或访谈记录时，可先给出章节标识，再要求按主题归纳、比较段落或提取待办。长输入不等于每处细节都会准确保留，关键结论最好要求附上对应原文位置。
让结果便于应用消费
可把目标写成明确字段，例如问题类别、摘要与下一步建议，让模型生成便于程序处理的草稿，再由程序校验结果。需要格式约束或函数工具定义时，可选择提供相应字段的 Chat Completions 入口，并在该型号接受对应配置时使用。工具调用用于表达函数请求，实际执行、权限检查和结果回填仍由应用负责，不能把生成参数当作操作已经完成。
适用场景
从具体任务出发，找到模型发挥作用的位置。
资料问答与知识整理
将已提取的产品说明、操作流程或内部规范作为文字输入，附上用户问题和回答边界，要求输出结论、依据段落及仍需补充的信息。适合制作知识库答案草稿、培训提纲和流程对照表；重要条款应保留原句，方便审核者回到材料逐项确认。
截图辅助支持
输入错误界面截图、用户操作描述和已知排查步骤，让模型整理可见提示、可能涉及的设置以及需要进一步询问的问题。交付物可以是支持工单摘要或排查清单。截图之外的日志、账户状态与系统配置需要另行提供，不能靠画面推断为已知事实。
规则化信息处理
把客户留言、需求描述或文档段落与分类规则一起提交，要求生成固定字段的处理草稿，例如主题、紧急程度和缺失信息。适合流程中的辅助分类与摘要环节。批量使用前先准备代表性样本，检查字段完整性、边界类别和空值处理，再接入后续程序。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与 GPT-5、nano 怎样取舍
GPT-5、GPT-5 mini 和 GPT-5 nano 的公开上下文与最大输出容量相同，因此不要仅凭能装入多少文字来选型号。任务规则清楚、交付形式稳定时，可以先用 mini 做样本验证；涉及复杂判断时，将同一组难题交给 GPT-5 对照；步骤简单的任务也可纳入 nano 比较，以验收结果决定。
按交互形态选择入口
已有 messages 对话历史的应用可选 /openai/chat/completions；采用 input 与响应事件组织交互时，可选 /openai/responses。若重点是快速建立连续文字问答，可使用 /aichat/conversations，以 question 提问并通过 id 延续会话。三个入口都使用 gpt-5-mini，但请求与返回结构不能直接互换。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- gpt-5-mini 的图像能力用于理解画面，不应当作图片生成或语音服务。图表中的小字、模糊截图和密集布局需要特别检查；可先裁剪关键区域，再将重要数字或文字补充到问题中，避免仅依赖视觉读取。
- 400K 上下文与 128K 最大输出是原生容量指标，不意味着每次调用都能获得同样长度的可见答案。应设置合适的输出预算，并检查结束状态；长报告更适合按章节生成、核对后汇总，而不是一次要求覆盖所有细节。
- 推理控制不替代业务验证，也不会自动赋予联网、执行代码或操作界面的能力。涉及最新状态时，应提供实时材料或接入相应工具；函数请求交给程序执行前，还应检查参数、授权范围与可能产生的实际影响。
常见问题
解答使用 gpt-5-mini 时的常见疑问。
gpt-5-mini 能看图，也能生成图片吗？
它支持图像理解，可围绕截图、照片或图表生成文字回答，但不要将它当成图片生成型号。使用 Chat Completions 时，可在消息内容中组合 text 与 image_url，并写清需要识别、解释或比较的具体内容。
gpt-5-mini 比 GPT-5 的上下文小吗？
公开原生规格中，两者均为 400K 上下文、128K 最大输出，GPT-5 nano 也列出相同容量。相同容量并不等于相同任务表现；选型应比较真实任务中的正确性、完整性与调用成本，而不是只看 mini 名称。
接入 gpt-5-mini 时必须管理对话历史吗？
使用 Chat Completions 或 Responses 时，可以在 messages 或 input 中组织所需历史。若希望简化连续问答，可选 AI Chat，设置 stateful=true，后续携带返回的 id。关键规则仍应明确写入预设或当前问题。
gpt-5-mini 怎样返回结构化结果？
需要结构化结果时，可先明确字段含义、允许值与缺失信息的处理方式，要求模型生成 JSON 草稿。Chat Completions 入口提供 JSON object 和 JSON Schema 格式选项；在该型号接受相应配置时，可使用这些选项约束输出。收到结果后仍应进行解析和业务校验，尤其要检查必填项与事实内容，不能只因格式正确就直接入库。
调用 gpt-5-mini 就会自动搜索网页吗？
不会仅因选择这个型号就自动获得实时网页信息。普通文字与图片问答应基于提交的材料；需要最新数据时，可由应用检索后提供内容，或配置适用的工具流程。模型提出工具调用，也不等于外部操作已经执行成功。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。