GPT-5 mini: Especificaciones completas (junio 2026)

gpt-5-mini es una variante más pequeña, rápida y barata de GPT-5 construida sobre la misma arquitectura y canalización de entrenamiento. OpenAI no publica conteos de parámetros para ninguno de los dos modelos, pero en la práctica gpt-5-mini es aproximadamente el equivalente de gpt-4o-mini en la familia de GPT-5 — la misma disciplina de seguimiento de instrucciones, más débil en razonamiento complejo, dramáticamente más barato.

Lo crucial es que la superficie de características es idéntica: gpt-5-mini soporta las mismas llamadas de función, llamadas de herramientas en paralelo, salidas estructuradas (validadas por JSON Schema), caché de prompts, endpoint de API de Respuestas, entrada de visión y control de effort-reasoning. Cualquier cosa que escribas para GPT-5 se ejecuta en gpt-5-mini con un simple cambio de ID de modelo. La diferencia se ve en tareas que requieren razonamiento de múltiples pasos, síntesis de código complejo o precisión factual estricta.

Posicionamiento de OpenAI: gpt-5-mini es el nivel 'predeterminado para producción'. La mayoría de asistentes de chat, extractores de datos estructurados, canalizaciones de clasificación, andamios de contenido y agentes de enrutamiento deberían estar aquí. Reserva GPT-5 para la pequeña fracción de tráfico donde el costo del error realmente domina el costo por llamada.

Tasas estándar: `costo = (tokens_entrada / 1M) × $0,25 + (tokens_salida / 1M) × $2`. La llamada representativa 1.000-entrada / 500-salida: `0,001 × $0,25 + 0,0005 × $2 = $0,00025 + $0,001 = $0,00125`. Alrededor de 0,125¢ por llamada — una quinta parte del costo de GPT-5 en tokens idénticos.

A 1.000.000 de llamadas/mes con ese perfil, la tarifa estándar ejecuta $1.250 vs $6.250 de GPT-5. Aplica un 80% de coincidencia de caché de prompts en un prefijo del sistema de 1.500 tokens y la entrada por llamada cae más; aplica API por lotes para cargas de trabajo asincrónicas (resumen, clasificación, evaluación) y otro 50% de descuento en ambos flujos.

Ejemplo del mundo real: una canalización de clasificación de soporte al cliente con 2M llamadas/mes con promedios de 800-entrada / 100-salida en gpt-5-mini ejecuta `0,0008 × $0,25 + 0,0001 × $2 = $0,0004 por llamada = $800/mes`. Con caché de prompts activando en el prefijo del sistema estable, ~$500/mes. En GPT-5, la misma carga de trabajo es $4.000/mes. La elección del modelo es el mayor apalancamiento de costo en la familia GPT-5 por un amplio margen. Trabajado $ a escala: calculadora de costos de API de OpenAI.

gpt-5-mini viene con la misma ventana de contexto de 400.000 tokens que GPT-5 y el mismo límite de salida máxima de 128.000 tokens. No hay variante con contexto más pequeño; OpenAI estandarizó la ventana en la familia GPT-5 para que el trabajo de ingeniería de prompts sea portátil entre niveles.

Implicación práctica: los prompts que funcionan en GPT-5 caben en gpt-5-mini sin reescrituras relacionadas con el contexto. La brecha de precio es puramente una brecha de calidad, no una brecha de contexto. Si estás moviendo tráfico desde GPT-5 a gpt-5-mini por razones de costo, la migración es un cambio de ID de modelo más un pase de evaluación — no una reescritura de prompts.

Como siempre, limita la salida. Establece `max_output_tokens` al límite realista para tu tarea (1.500 para chat, 4.000 para código, 8.000 para formato largo). El límite predeterminado (128K) es una guardia defensiva, no un objetivo.

**Gana (usa gpt-5-mini)**: clasificación, extracción de entidades nombradas, resumen de entrada estructurada, conversiones de formato (JSON ↔ YAML ↔ Markdown), asistencia de chat simple, agentes de enrutamiento/despacho, andamiaje de contenido (esquemas, primeros borradores), canalizaciones de salida estructurada, clasificación de telemetría interna, etiquetado de documentos, análisis de sentimiento. La calidad en estos es indistinguible de GPT-5 en una evaluación retenida para la mayoría de equipos.

**Pierde (usa GPT-5)**: síntesis de código complejo con contexto de múltiples archivos, pruebas matemáticas, planificación de múltiples pasos que requiere retroceso, análisis legal/financiero donde la corrección es innegociable, razonamiento de visión de grano fino (contar objetos en escenas densas, leer texto pequeño), tareas a nivel de punto de referencia de codificación competitiva. La prima de precio de 5× para GPT-5 se justifica cuando estos son el cuello de botella.

Ejecuta una evaluación antes de comprometerte. Toma 200 entradas representativas de tu tráfico de producción, ejecuta ambos modelos, puntúa a ciegas los resultados. La mayoría de equipos descubren que gpt-5-mini cubre el 70-90% del tráfico sin caída de calidad medible y reservan GPT-5 para el resto — típicamente enrutados vía un clasificador de complejidad simple.

gpt-5-mini a $0,25 / $2 se sitúa entre Claude Sonnet 4.6 ($3 / $15 — nivel medio de Anthropic, calidad ligeramente superior, precio mucho más alto) y Gemini 2.5 Flash ($0,30 / $2,50 — nivel medio de Google, precio comparable, contexto de 1M).

vs **Claude Sonnet 4.6**: 12× más barato en entrada, 7,5× más barato en salida. Sonnet gana en voz de formato largo, disciplina de seguimiento de instrucciones en prompts complejos y ahorros de caché de prompts (90% de descuento en lecturas en caché vía Anthropic). gpt-5-mini gana en rendimiento bruto y precio. Ver Claude Sonnet vs GPT-5 mini para la comparación lado a lado.

vs **Gemini 2.5 Flash**: precio comparable ($0,25 vs $0,30 entrada), salida comparable ($2 vs $2,50), pero Flash tiene una ventana de contexto de 1M vs 400K de gpt-5-mini. Flash también soporta entrada de audio nativa. gpt-5-mini gana en salidas estructuradas (la ejecución de JSON Schema de OpenAI es más madura) y el ecosistema de herramientas de OpenAI más amplio.

Entre niveles: gpt-5-mini a 5× más barato que GPT-5 cubre el mismo conjunto de características; la mayoría de equipos deberían ser predeterminados aquí y escalar solo si hay necesidad demostrada.

gpt-5-mini expone el mismo parámetro `reasoning_effort` que GPT-5 (`minimal`, `low`, `medium`, `high`). Las mismas reglas aplican: los tokens de razonamiento se facturan a la tasa de salida, no se te devuelven, y pueden inflar drásticamente el costo si se dejan en `high` por defecto.

En gpt-5-mini específicamente, `minimal` es el predeterminado correcto para tareas mecánicas de alto volumen (clasificación, extracción). El costo por llamada se mantiene por debajo de $0,001 para entradas típicas. `low` es el predeterminado correcto para chat y generación de contenido. `medium` y `high` generalmente se desperdician en gpt-5-mini — si la tarea necesita razonamiento serio, el mejor movimiento es escalar a GPT-5 con `medium`, no ejecutar gpt-5-mini en `high`.

Error común: dejar `reasoning_effort` en el predeterminado (`medium`) en una carga de trabajo de clasificación a 1M+ llamadas/mes. Los tokens de razonamiento silenciosamente 2-3× la factura. Siempre establece explícitamente el nivel de esfuerzo en prompts de producción.

Cada número en esta página fue verificado contra la documentación en vivo de OpenAI el 2026-06-20. Fuentes: platform.openai.com/docs/models/gpt-5-mini, openai.com/api/pricing, platform.openai.com/docs/api-reference/responses.

Los precios en la familia GPT-5 se han movido una vez desde el lanzamiento (un ajuste a la baja en entrada en caché a finales de 2025). OpenAI no versiona su página de precios con entradas de changelog. Reverifica la página en vivo trimestralmente si tu factura mensual excede $500.

Si encuentras una discrepancia con la página en vivo, trata la página en vivo como canónica. Volvemos a obtener y actualizamos esta tarjeta mensualmente.