OpenAI 发布 GPT-5.4 mini/nano:小模型性能逼近旗舰
OpenAI 正式推出 GPT-5.4 mini 和 nano,旨在为高并发场景提供极致性价比。GPT-5.4 mini 在编码、推理和多模态能力上显著超越前代,速度提升超 2 倍,且在 SWE-Bench Pro 等关键基准测试中逼近旗舰版 GPT-5.4 的性能。nano 版本则专为分类、数据提取及简单子代理任务优化,主打低延迟与低成本。
报道正文
本文目录4 个章节
今天,我们正式发布 GPT‑5.4 mini 和 nano,这是我们迄今最强大的小型模型。它们将 GPT‑5.4 的诸多优势带入更快、更高效的模型中,专为高吞吐量工作负载而设计。
GPT‑5.4 mini 在编码、推理、多模态理解和工具使用方面显著超越了 GPT‑5 mini,同时运行速度提升了 2 倍以上。此外,它在 SWE-Bench Pro 和 OSWorld-Verified 等多项评测中的表现已接近更大的 GPT‑5.4 模型。
GPT‑5.4 nano 是 GPT‑5.4 系列中最小、成本最低的版本,适用于对速度和成本要求最高的任务。相比 GPT‑5 nano,它也是一次重大升级。我们推荐将其用于分类、数据提取、排序以及处理较简单辅助任务的编码子代理(subagents)。
这些模型专为那些延迟直接影响产品体验的工作负载而打造:需要快速响应的编程助手、能迅速完成辅助任务的子代理、能够捕获并解读截图的计算机操作(computer-using)系统,以及可实时对图像进行推理的多模态应用。在这些场景下,最佳模型往往不是最大的那个——而是响应迅速、工具调用可靠,并且在复杂专业任务上依然表现出色的模型。
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| SWE-Bench Pro (Public) | 57.7% | 54.4% | 52.4% | 45.7% |
| Terminal-Bench 2.0 | 75.1% | 60.0% | 46.3% | 38.2% |
| Toolathlon | 54.6% | 42.9% | 35.5% | 26.9% |
| GPQA Diamond | 93.0% | 88.0% | 82.8% | 81.6% |
| OSWorld-Verified | 75.0% | 72.1% | 39.0% | 42.0% |
1 GPT‑5 mini 可用的最高 reasoning_effort 为 'high'。
以下是客户在自身工作流中测试 GPT‑5.4 mini 和 nano 后的反馈:
"GPT-5.4 mini 在此类模型中提供了强劲的端到端性能。在我们的评估中,它在多项输出任务和引用召回率方面匹配甚至超越了竞品模型,且成本大幅降低。此外,与更大的 GPT-5.4 模型相比,它实现了更高的端到端通过率以及更强的来源归属能力。"
— Hebbia CTO Aabhas Sharma
编码
GPT‑5.4 mini 和 nano 在受益于快速迭代的编码工作流中尤为高效。这些模型能以低延迟处理定向编辑、代码库导航、前端生成和调试循环,非常适合需要以更高速度和更低成本完成的编码任务。
在基准测试中,GPT‑5.4 mini 在相似的延迟下始终优于 GPT‑5‑mini,其通过率接近 GPT‑5.4 水平,但运行速度显著更快,为编码工作流提供了最强的性能/延迟权衡比之一。
我们通过观察模型的生产环境行为并在离线环境中进行模拟来估算延迟。该延迟估算考虑了工具调用时长(代码执行时间)、采样 token 数量以及输入 token 数量。实际生产环境中的延迟可能会有很大差异,并取决于许多未被我们的模拟所涵盖的因素。同样,成本是基于撰写本文时这些模型的 API 定价估算的。未来成本可能会发生变化。推理强度从低到超高进行了全面扫描。
子代理(Subagents)
GPT‑5.4 mini 也非常适合结合不同规模模型的系统。例如,在 Codex 中,像 GPT‑5.4 这样较大的模型可以负责规划、协调和最终判断,同时委派给 GPT‑5.4 mini 子代理并行处理更狭窄的子任务——如搜索代码库、审查大型文件或处理辅助文档。请在文档(在新窗口中打开)中了解 Codex 中子代理的工作原理。
随着较小模型变得更快且能力更强,这种模式变得更加有用。开发者不再需要使用单一模型处理所有任务,而是可以构建这样的系统:由较大模型决定做什么,而较小模型则大规模地快速执行。对于这类工作流,GPT‑5.4 mini 是我们迄今推出的最强 mini 模型。
计算机使用
GPT‑5.4 mini 在多模态任务上也表现出色,尤其是与计算机使用相关的任务。该模型能够快速解读密集用户界面的截图,从而高效完成计算机使用任务。在 OSWorld-Verified 基准测试中,GPT‑5.4 mini 的表现接近 GPT‑5.4,并显著优于 GPT‑5 mini。
可用性与定价
GPT‑5.4 mini 今日已在 API、Codex 和 ChatGPT 中上线。
在 API 中,GPT‑5.4 mini 支持文本和图像输入、工具使用、函数调用、网络搜索、文件搜索、计算机使用和技能。它拥有 400k 的上下文窗口,价格为每百万输入 token $0.75,每百万输出 token $4.50。
在 Codex 中,GPT‑5.4 mini 可在 Codex 应用、CLI、IDE 扩展和网页版中使用。它仅消耗 GPT‑5.4 配额的 30%,使开发者能够以约三分之一的成本在 Codex 中快速处理较简单的编码任务。Codex 还可以将任务委派给 GPT‑5.4 mini 子代理(subagents),从而让推理强度较低的工作在更便宜的模型上运行。
在 ChatGPT 中,免费用户和 Go 订阅用户可通过“+”菜单中的“Thinking”功能使用 GPT‑5.4 mini。对于其他所有用户,GPT‑5.4 mini 作为 GPT‑5.4 Thinking 的速率限制回退选项提供。
GPT‑5.4 nano 仅在 API 中可用,输入 token 费用为每百万 $0.20,输出 token 费用为每百万 $1.25。
有关模型安全措施的更多信息,请查阅我们 Deployment Safety Hub(opens in a new window) 上的 System Card 附录。
编码
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| SWE-bench Pro (Public) | 57.7% | 54.4% | 52.4% | 45.7% |
| Terminal-Bench 2.0 | 75.1% | 60.0% | 46.3% | 38.2% |
工具调用
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| MCP Atlas | 67.2% | 57.7% | 56.1% | 47.6% |
| Toolathlon | 54.6% | 42.9% | 35.5% | 26.9% |
| τ2-bench (telecom) | 98.9% | 93.4% | 92.5% | 74.1% |
智能水平
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| GPQA Diamond | 93.0% | 88.0% | 82.8% | 81.6% |
| HLE w/ tool | 52.1% | 41.5% | 37.7% | 31.6% |
| HLE w/o tools | 39.8% | 28.2% | 24.3% | 18.3% |
多模态 / 视觉 / CUA
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| OSWorld-Verified | 75.0% | 72.1% | 39.0% | 42.0% |
| MMMUPro w/ Python | 81.5% | 78.0% | 69.5% | 74.1% |
| MMMUPro | 81.2% | 76.6% | 66.1% | 67.5% |
| OmniDocBench 1.5 (no tools)² — lower is better | 0.109 | 0.1263 | 0.2419 | 0.1791 |
长上下文
| GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
| OpenAI MRCR v2 8-needle 64K–128K | 86.0% | 47.7% | 44.2% | 35.1% |
| OpenAI MRCR v2 8-needle 128K–256K | 79.3% | 33.6% | 33.1% | 35.1% |
1 GPT‑5 mini 可用的最高 reasoning_effort(推理强度)为 'high'。
2 总体编辑距离。OmniDocBench 在运行时将 reasoning_effort 设置为 'none',以反映低成本、低延迟的性能表现。