Модель · OpenAI
GPT-5 Nano
Бюджетная модель линейки GPT-5 для классификации, пересказа и массовой обработки текста, самая быстрая и дешёвая в линейке
вышла 7 августа 2025
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
114 место из 266
индекс 139, вероятный разброс 135–142 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 37,8% | высокое |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 9,3% | высокое |
| Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ | 0,0% | высокое |
| FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ | 2,4% | высокое |
| FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ | 20,0% | |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 12,0% | высокое |
| Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ | 23,2% | высокое |
| SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ | 11,7% | высокое |
| Terminal BenchЗадачи в командной строке по мотивам реальной работы: агент сам выполняет их в терминале, результат проверяют автотестыПодробнее на английском ↗ | 21,8% | |
| ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗ | 2,6% | высокое |
| Fiction.LiveBenchВопросы по длинным художественным текстам: понять мотивы героев, порядок событий и сделать выводы из всего сюжетаРезультат зависит от длины текста: с ростом объёма точность обычно падает, поэтому сравнивать стоит при одинаковой длине.Подробнее на английском ↗ | 44,4% | среднее |
| VPCTПо картинке с горками и препятствиями модель должна предсказать, в какое из трёх вёдер упадёт шарикВёдер три, поэтому наугад можно набрать около 33%; люди в проверке решили все задачи.Подробнее на английском ↗ | 5,8% | высокое |
| WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗ | 38,1% | высокое |
| OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ | 81,1% | низкое |
| GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ | 59,3% | низкое |
| MATH level 5Самые трудные задачи (5-й уровень) из набора MATH — задачи американских школьных олимпиад AMC 10, AMC 12 и AIMEТест близок к насыщению: у сильных моделей результаты почти одинаковые и высокие, разница в несколько пунктов мало что значит.Подробнее на английском ↗ | 95,2% | среднее |
| ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗ | 20,7% | среднее |
Характеристики
- Вышла
- 7 августа 2025
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 400 тыс. токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 128 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $0,05 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,005 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $0,40 за миллион токенов
- Понимает
- текст, изображения
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- закрытые
- Знания до
- май 2024
- Идентификатор в API
- gpt-5-nano
Что это за модель
GPT-5 Nano — самая младшая модель линейки GPT-5. OpenAI называет её самой быстрой и дешёвой версией GPT-5. Она вышла вместе с GPT-5 и GPT-5 Mini и доступна разработчикам через API. Как и старшие модели линейки, она рассуждает перед ответом: сначала строит скрытую цепочку рассуждений, а потом отвечает. Глубину рассуждений можно настраивать, от самой короткой до подробной.
От старших моделей линейки она отличается ценой и скоростью, а не глубиной. Она дешевле почти всего каталога и уступает GPT-5 и GPT-5 Mini в сложных задачах. В рейтинге Epoch она стоит в середине списка. У OpenAI с тех пор вышли более новые малые модели, например GPT-5.4 Nano. Для задач, где важна скорость, документация теперь советует начинать с GPT-5.6 Luna.
Лаборатория рекомендует её для пересказа текста и классификации. Её берут там, где запросов много, а каждый из них простой: разложить обращения по категориям, вытащить поля из документа, выбрать, какой модели отдать запрос. Она принимает картинки, умеет вызывать функции, выдавать структурированный ответ по заданной схеме и работать со встроенными инструментами API: поиском в интернете, поиском по файлам, запуском кода.
Её нельзя дообучить. Она не работает в режиме живого голосового разговора и не строит векторные представления для поиска. Знания модели ограничены серединой 2024 года, так что о более поздних событиях она без поиска не знает.
Источники: Документация OpenAI о GPT-5 Nano
Того же уровня по индексу Epoch
-
Qwen3 235B-A22B
Qwen115-е место в Epochконтекст 131 тыс.$0,70 / $2,80открытые весарассуждениядороже в 7 раз
-
Gemini 2.5 Flash
Google105-е место в Epochконтекст 1 млн$0,30 / $2,50рассуждениядороже в 6,3 раза
Другие модели семейства
-
GPT-5.4 nano
OpenAI71-е место в Epochконтекст 400 тыс.$0,20 / $1,25рассуждения
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).