Модель · OpenAI
GPT-5.4 nano
Самая дешёвая модель линейки GPT-5.4 для сортировки, извлечения данных и простых вспомогательных агентов
вышла 17 марта
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 ↗
71 место из 266
индекс 146, вероятный разброс 144–148 · 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 ↗ | 67,1% | очень 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 ↗ | 43,4% | очень 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 ↗ | 12,2% | высокое |
| FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ | 44,9% | |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 5,0% | высокое |
| APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗ | 16,9% | |
| Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ | 26,3% | |
| 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 |
| 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 ↗ | 5,7% | очень 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 ↗ | 49,2% | 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 ↗ | 87,8% | |
| 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 ↗ | 71,3% | |
| ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗ | 51,5% | очень высокое |
Характеристики
- Вышла
- 17 марта
- 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
- $0,20 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
- $0,02 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $1,25 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
- август 2025
- Идентификатор в API
- gpt-5.4-nano
Что это за модель
GPT-5.4 nano — самая маленькая и дешёвая модель линейки GPT-5.4 от OpenAI. Компания выпустила её вместе с GPT-5.4 mini и назвала обе «самыми способными малыми моделями» в своей истории. Задача nano — перенести часть умений старшей GPT-5.4 туда, где важнее всего скорость и цена. Модель умеет рассуждать перед ответом, и глубину рассуждений можно задать: от «без рассуждений» (так она работает по умолчанию) до очень высокой.
Она сменила GPT-5 nano и, по словам OpenAI, заметно сильнее её. Но стоит она дороже: вход подорожал в четыре раза. Внутри линейки nano стоит ниже mini. OpenAI советует mini для программирования и управления компьютером, а nano — для задач попроще.
Лаборатория рекомендует nano для классификации, извлечения данных из текста, ранжирования и роли субагента. Субагент — это вспомогательная модель, которой основной агент поручает простые части работы. Модель вызывает функции, ищет в интернете и в загруженных файлах, запускает код и выдаёт структурированный ответ, то есть данные в заданном формате. Поэтому её берут для массовой автоматизации, где запросов много и каждый должен стоить копейки.
Модель доступна только через API: в ChatGPT её нет. Она не работает со звуком и в режиме реального времени, её нельзя дообучить. Картинки на входе она принимает, но крупные изображения в высоком разрешении обрабатывает с меньшей детализацией, чем полная GPT-5.4. Сейчас линейку уже сменили GPT-5.5 и GPT-5.6.
Источники: Анонс GPT-5.4 mini и nano на форуме разработчиков OpenAI, Страница GPT-5.4 nano в документации OpenAI
Того же уровня по индексу Epoch
-
MiniMax-M2.7
MiniMax72-е место в Epochконтекст 204 тыс.$0,30 / $1,20открытые весарассуждениядешевле
-
DeepSeek V4 Flash
DeepSeek69-е место в Epochконтекст 1 млн$0,15 / $0,60открытые весарассуждениядешевле в 2,1 раза
-
GPT-5 Mini
OpenAI75-е место в Epochконтекст 400 тыс.$0,25 / $2рассуждениядороже в 1,6 раза
Другие модели семейства
-
GPT-5 Nano
Новости о модели
- 01
- 02
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).