GPT-5 mini: Vollständiges Datenblatt (Juni 2026)

gpt-5-mini ist eine kleinere, schnellere und günstigere Variante von GPT-5, die auf der gleichen Architektur und dem gleichen Trainings-Pipeline basiert. OpenAI veröffentlicht Parameterzahlen für keines der Modelle, aber in der Praxis ist gpt-5-mini etwa das Äquivalent von gpt-4o-mini in der GPT-4-Familie — gleiche Befehlsfolge-Disziplin, schwächer bei schwierigen Reasoning-Aufgaben, dramatisch günstiger.

Entscheidend: Die Feature-Oberfläche ist identisch: gpt-5-mini unterstützt die gleichen Funktionsaufrufe, parallele Werkzeugaufrufe, strukturierte Ausgaben (JSON-Schema-validiert), Prompt-Caching, den Responses API-Endpoint, Vision-Eingabe und Reasoning-Effort-Kontrolle. Alles, was Sie für GPT-5 schreiben, läuft auf gpt-5-mini mit nur einer Modell-ID-Änderung. Der Unterschied zeigt sich bei Aufgaben, die mehrstufiges Reasoning, komplexe Code-Synthese oder strikte faktische Genauigkeit erfordern.

Positionierung von OpenAI: gpt-5-mini ist der Standard-Tier für Produktionsumgebungen. Die meisten Chat-Assistenten, strukturierte Datenextraktoren, Klassifizierungs-Pipelines, Content-Gerüstbauer und Routing-Agenten sollten hier laufen. Reservieren Sie GPT-5 für den kleinen Teil des Traffics, bei dem die Fehlerkosten wirklich höher sind als die Pro-Call-Kosten.

Standardtarife: `Kosten = (Eingabe-Token / 1M) × $0.25 + (Ausgabe-Token / 1M) × $2`. Der repräsentative Aufruf mit 1.000 Eingabe- und 500 Ausgabe-Token: `0.001 × $0.25 + 0.0005 × $2 = $0.00025 + $0.001 = $0.00125`. Etwa 0,125¢ pro Aufruf — ein Fünftel der GPT-5-Kosten bei identischen Token.

Bei 1.000.000 Aufrufen/Monat mit diesem Profil liegen die Standardtarife bei $1.250 im Vergleich zu $6.250 für GPT-5. Wenden Sie einen 80%igen Prompt-Cache-Hit auf ein stabiles System-Präfix von 1.500 Token an und die Eingabekosten pro Aufruf sinken weiter; nutzen Sie die Batch API für asynchrone Workloads (Zusammenfassung, Klassifizierung, Bewertung) und erhalten Sie weitere 50% Rabatt auf beide Streams.

Praktisches Beispiel: Eine Kundenservice-Klassifizierungs-Pipeline bei 2M Aufrufen/Monat mit durchschnittlich 800 Eingabe- und 100 Ausgabe-Token auf gpt-5-mini läuft `0.0008 × $0.25 + 0.0001 × $2 = $0.0004 pro Aufruf = $800/Monat`. Mit aktiviertem Prompt-Caching auf dem stabilen System-Präfix etwa $500/Monat. Auf GPT-5 kostet die gleiche Workload $4.000/Monat. Die Modellwahl ist die größte Kostenhebelwirkung in der GPT-5-Familie mit großem Abstand. Ausführliche Kostenberechnung: OpenAI API-Kostenrechner.

gpt-5-mini wird mit dem gleichen 400.000-Token-Kontextfenster wie GPT-5 und der gleichen 128.000-Token-Ausgabegrenze ausgeliefert. Es gibt keine kleinere Kontext-Variante; OpenAI hat das Fenster über die GPT-5-Familie standardisiert, sodass Prompt-Engineering-Arbeit zwischen Tiers portierbar ist.

Praktische Auswirkung: Prompts, die auf GPT-5 funktionieren, passen auch auf gpt-5-mini, ohne dass Kontextrevisionen notwendig sind. Die Preisspanne ist rein eine Qualitätsspanne, keine Kontextspanne. Wenn Sie Traffic aus Kostengründen von GPT-5 zu gpt-5-mini verlagern, ist die Migration eine Modell-ID-Änderung plus eine Evaluierungsphase — keine Prompt-Umschreibung.

Wie immer: Ausgabe begrenzen. Setzen Sie `max_output_tokens` auf die realistische Obergrenze für Ihre Aufgabe (1.500 für Chat, 4.000 für Code, 8.000 für längere Texte). Die Standardgrenze (128K) ist ein defensiver Guard, kein Ziel.

**Gewinnt (verwenden Sie gpt-5-mini)**: Klassifizierung, Named-Entity-Extraktion, Zusammenfassung strukturierter Eingaben, Formatkonversionen (JSON ↔ YAML ↔ Markdown), einfache Chat-Assistenz, Routing-/Versand-Agenten, Content-Gerüstbau (Gliederungen, erste Entwürfe), strukturierte Ausgabe-Pipelines, interne Telemetrie-Klassifizierung, Dokumenten-Tagging, Sentiment-Analyse. Die Qualität bei diesen Aufgaben ist für die meisten Teams ununterscheidbar von GPT-5 bei einer gehaltenen Evaluierung.

**Verliert (verwenden Sie GPT-5)**: Komplexe Code-Synthese mit Multi-File-Kontext, mathematische Beweise, mehrstufige Planung, die Backtracking erfordert, Rechts-/Finanzanalyse, bei der Korrektheit nicht verhandelbar ist, differenziertes Vision-Reasoning (Objekte in dichten Szenen zählen, kleine Texte lesen), wettbewerbsfähige Coding-Benchmark-Level-Aufgaben. Die 5× Preisanpassung für GPT-5 ist gerechtfertigt, wenn diese der Engpass sind.

Führen Sie eine Evaluierung durch, bevor Sie sich festlegen. Nehmen Sie 200 repräsentative Eingaben aus Ihrem Produktionstraffic, führen Sie beide Modelle aus, blind-bewerten Sie die Ausgaben. Die meisten Teams stellen fest, dass gpt-5-mini 70-90% des Traffics mit keinem messbaren Qualitätsverlust abdeckt und reservieren GPT-5 für den Rest — typischerweise weitergeleitet über einen einfachen Komplexitäts-Klassifizierer.

gpt-5-mini bei $0.25 / $2 sitzt zwischen Claude Sonnet 4.6 ($3 / $15 — Anthropics Mid-Tier, etwas höhere Qualität, viel höherer Preis) und Gemini 2.5 Flash ($0.30 / $2.50 — Googles Mid-Tier, vergleichbarer Preis, 1M Kontext).

gegen **Claude Sonnet 4.6**: 12× günstiger bei Eingabe, 7,5× günstiger bei Ausgabe. Sonnet gewinnt bei längeren Schreibstimmen, Befehlsfolge-Disziplin bei komplexen Prompts und Prompt-Caching-Einsparungen (90% Rabatt auf gecachte Lesezugriffe über Anthropic). gpt-5-mini gewinnt bei rohem Durchsatz und Preis. Siehe Claude Sonnet vs GPT-5 mini für den direkten Vergleich.

gegen **Gemini 2.5 Flash**: vergleichbarer Preis ($0.25 vs $0.30 Eingabe), vergleichbare Ausgabe ($2 vs $2.50), aber Flash hat ein 1M-Kontextfenster gegenüber gpt-5-minis 400K. Flash unterstützt auch native Audio-Eingabe. gpt-5-mini gewinnt bei strukturierten Ausgaben (OpenAIs JSON-Schema-Durchsetzung ist reifer) und dem breiteren OpenAI-Tooling-Ökosystem.

Tier-übergreifend: gpt-5-mini bei 5× günstiger als GPT-5 mit gleichem Funktionsumfang; die meisten Teams sollten standardmäßig hier anfangen und nur bei nachgewiesener Notwendigkeit eskalieren.

gpt-5-mini stellt den gleichen `reasoning_effort`-Parameter wie GPT-5 bereit (`minimal`, `low`, `medium`, `high`). Die gleichen Regeln gelten: Reasoning-Token werden zum Ausgabetarif berechnet, werden nicht an Sie zurückgegeben und können die Kosten dramatisch erhöhen, wenn sie auf `high` belassen werden.

Bei gpt-5-mini speziell ist `minimal` die richtige Standardeinstellung für hochvolumige mechanische Aufgaben (Klassifizierung, Extraktion). Die Kosten pro Aufruf bleiben unter $0.001 für typische Eingaben. `low` ist die richtige Standardeinstellung für Chat und Content-Generierung. `medium` und `high` sind normalerweise verschwendet auf gpt-5-mini — wenn die Aufgabe ernsthaftes Reasoning benötigt, ist der bessere Schachzug, zu GPT-5 mit `medium` zu eskalieren, nicht gpt-5-mini auf `high` zu setzen.

Häufiger Fehler: `reasoning_effort` bei der Standardeinstellung (`medium`) bei einer Klassifizierungs-Workload bei 1M+ Aufrufen/Monat belassen. Die Reasoning-Token verdreifachen die Rechnung stumm. Setzen Sie immer explizit die Effort-Stufe bei Produktions-Prompts.

Jede Zahl auf dieser Seite wurde gegen OpenAIs Live-Dokumentation am 2026-06-20 verifiziert. Quellen: platform.openai.com/docs/models/gpt-5-mini, openai.com/api/pricing, platform.openai.com/docs/api-reference/responses.

Die Preise in der GPT-5-Familie sind seit dem Launch einmal angepasst worden (eine Preissenkung bei gecachter Eingabe in späten 2025). OpenAI versieht ihre Preisseite nicht mit Changelog-Einträgen. Verifizieren Sie die Live-Seite vierteljährlich erneut, wenn Ihre monatliche Rechnung $500 übersteigt.

Wenn Sie eine Diskrepanz mit der Live-Seite finden, behandeln Sie die Live-Seite als maßgeblich. Wir rufen dieses Datenblatt monatlich ab und aktualisieren es.