加载中...
加载中...
GPT-5.4 nano
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| Type | Condition | Input | Output |
|---|---|---|---|
| Text | - | $0.200/ 1M | $1.25/ 1M |
| Type | Condition | Input | Output |
|---|---|---|---|
| Text | - | $0.100/ 1M | $0.625/ 1M |
| Text | Cache = 5 min | $0.010/ 1M | $0.625/ 1M |
| Type | TTL | Write | Read |
|---|---|---|---|
| Text | 5m | $0.020/ 1M | $1.25/ 1M |
GPT-5.4 nano 是 OpenAI 于 2026 年 3 月 17 日正式发布的超轻量级语言模型,是 GPT-5.4 系列中体积最小、成本最低的变体,也是 GPT-5 nano 的直接升级版本。该模型专为高吞吐量 API 场景设计,目标是以极低延迟和极低单位成本完成大批量短任务。OpenAI 将其定位为“速度与成本最重要时的首选模型”,目前仅通过 API 对开发者开放,不在 ChatGPT 产品中直接面向消费者提供。
GPT-5.4 nano 的模型参数量尚未对外公开。官方暂未明确说明其上下文窗口大小。基于 GPT-5.4 系列统一的训练数据,其知识截止日期同为 2025 年 8 月 31 日。该模型针对短任务、高吞吐量场景进行了专项优化,在“extended multi-step reasoning”(扩展多步推理)方面存在明确的设计取舍。
GPT-5.4 nano 支持文本与图像的多模态输入,输出为纯文本。官方说明其具备以下能力:在短定义交互中对开发者意图的强指令遵循;用于轻量级自动化场景的函数与工具调用;针对常见代码任务的快速完成能力;以及结合文本进行基础图像解析的能力。与 GPT-5.4 mini 相比,nano 不具备完整的计算机使用能力,在计算机操控任务上的表现明显偏弱。
根据 OpenAI 公布的官方数据,GPT-5.4 nano 在代码生成基准 SWE-Bench Pro 上得分为 52.4%,略低于 GPT-5.4 mini 的 54.38%,但相较前代 GPT-5 nano 仍有显著提升;在计算机操控基准 OSWorld-Verified 上得分为 39.01%,明显低于 GPT-5.4 mini 的 72.13%,也低于 GPT-5 mini 的 42.0%,表明 nano 在复杂多步骤交互类任务上存在明确局限,适用场景应严格限定在结构清晰的短任务中。
OpenAI 官方推荐将 GPT-5.4 nano 用于以下高频、高吞吐量的典型场景:内容分类(Classification)、数据提取(Data Extraction)、排序(Ranking),以及多代理系统中处理简单支撑性子任务的轻量编程子代理。对于需要复杂推理、长上下文处理、多步骤计划或计算机界面操控的任务,官方明确不推荐使用 nano 模型,应选用 GPT-5.4 mini 或 GPT-5.4 旗舰版。
GPT-5.4 nano 目前仅通过 OpenAI API 向开发者提供访问,不在 ChatGPT 产品中直接向消费者开放。模型为闭源,不提供开源权重。API 按 token 计费:输入 $0.20/百万 token,输出 $1.25/百万 token,是 OpenAI 现有量产模型体系中定价最低的选项之一,约为 GPT-5.4 mini 输入成本的 26.7%,适合对成本极度敏感的大批量业务场景。
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
