ИИтак
Поиск

← Назад

модель · OpenAI · вышла 7 августа 2025

GPT-5 Nano

Бюджетная модель линейки GPT-5 для классификации, пересказа и массовой обработки текста, самая быстрая и дешёвая в линейке

О модели

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 ↗

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗

весь рейтинг

116место из 268индекс 139вероятный разброс 134–141

  • 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

Новости о модели

все упоминания · 78

  1. OpenAI открыла доступ к модели GPT-5.6 Cyber в облаке для госструктур США

    С одобрения OpenAI клиенты облака Amazon для госструктур США могут использовать GPT-5.6 Cyber в регионе US-East через сервис ИИ-моделей Amazon Bedrock для разрешённых задач кибербезопасности.

  2. Уязвимости в PHP независимо нашли две команды с моделями OpenAI и Google

    Две критические уязвимости в самом PHP позволяют без входа в систему запустить свой код на сайте; их независимо нашли исследователь фирмы по кибербезопасности Calif с GPT-5.6 Sol и команда Wiz из Google Cloud.

  3. Связка GPT-5.5 и дешёвой модели Jev ловит ошибки рецензентов за полцены

    Метод PremiseCheck дробит комментарий рецензента на простые утверждения и сверяет их со статьёй с помощью дешёвой модели Jev: точность сопоставима с GPT-5.5 примерно за полцены.

  4. Google заплатила компании XBOW 250 тыс. долларов за уязвимости Chrome, найденные с GPT-5.6 Sol

    Исследователь компании XBOW с ИИ-агентами на модели OpenAI GPT-5.6 Sol за шесть дней собрал цепочку уязвимостей Chrome, потратив 40 тыс. долларов на вычисления, а Google заплатила за неё 250 тыс. долларов.

  5. Утилита Уиллисона по умолчанию считает длину текста для GPT-5 и GPT-6, а не GPT-4

    Утилита Уиллисона по умолчанию делит текст на токены так же, как GPT-5 и GPT-6, а от числа этих кусочков зависят цена запроса и то, уместится ли текст в модель. Что GPT-5 и GPT-6 делят текст одинаково, OpenAI не подтверждала.

  6. 14 октября GPT-5.5 уберут из ChatGPT и Codex, но через API модель останется

    С 14 октября GPT-5.5 пропадёт из ChatGPT, ChatGPT Work и Codex на всех тарифах. Через платформу OpenAI API и в Codex при входе по ключу API ею можно будет пользоваться и дальше.

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).