Σήμερα, κυκλοφορούμε τα GPT‑5.4 mini και nano, τα πιο ικανά μικρά μοντέλα μας μέχρι σήμερα. Φέρνουν πολλές από τις δυνατότητες του GPT‑5.4 σε ταχύτερα και πιο αποδοτικά μοντέλα, σχεδιασμένα για φόρτους εργασίας μεγάλης κλίμακας.
Το GPT‑5.4 mini βελτιώνεται σημαντικά σε σχέση με το GPT‑5 mini στον προγραμματισμό, τη συλλογιστική, την πολυτροπική κατανόηση και τη χρήση εργαλείων, ενώ εκτελείται πάνω από δύο φορές ταχύτερα. Παράλληλα, πλησιάζει την απόδοση του μεγαλύτερου μοντέλου GPT‑5.4 σε αρκετές αξιολογήσεις, όπως τα SWE-Bench Pro και OSWorld-Verified.
Το GPT‑5.4 nano είναι η μικρότερη και πιο οικονομική έκδοση του GPT‑5.4 για εργασίες όπου η ταχύτητα και το κόστος έχουν τη μεγαλύτερη σημασία. Αποτελεί επίσης σημαντική αναβάθμιση σε σχέση με το GPT‑5 nano. Το προτείνουμε για ταξινόμηση, εξαγωγή δεδομένων, κατάταξη και για υποπράκτορες προγραμματισμού που χειρίζονται απλούστερες βοηθητικές εργασίες.
Αυτά τα μοντέλα έχουν σχεδιαστεί για είδη φόρτου εργασίας όπου η καθυστέρηση απόκρισης επηρεάζει άμεσα την εμπειρία του προϊόντος: βοηθούς προγραμματισμού που πρέπει να ανταποκρίνονται άμεσα, υποπράκτορες που ολοκληρώνουν γρήγορα βοηθητικές εργασίες, συστήματα χρήσης υπολογιστή που καταγράφουν και ερμηνεύουν στιγμιότυπα οθόνης και πολυτροπικές εφαρμογές που μπορούν να συλλογίζονται πάνω σε εικόνες σε πραγματικό χρόνο. Σε τέτοια περιβάλλοντα, το καλύτερο μοντέλο συχνά δεν είναι το μεγαλύτερο. Είναι εκείνο που μπορεί να απαντά γρήγορα, να χρησιμοποιεί αξιόπιστα εργαλεία και να αποδίδει καλά σε σύνθετες επαγγελματικές εργασίες.
| 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 Η υψηλότερη διαθέσιμη τιμή του reasoning_effort για το GPT‑5 mini είναι «high».
Δείτε τι λένε οι πελάτες μας μετά τη δοκιμή των GPT‑5.4 mini και nano στις ροές εργασίας τους:
«Το GPT-5.4 mini προσφέρει πολύ ισχυρή απόδοση από άκρο σε άκρο για μοντέλο αυτής της κατηγορίας. Στις αξιολογήσεις μας ισοφάρισε ή ξεπέρασε το Claude Haiku 4.5 σε αρκετές εργασίες παραγωγής αποτελεσμάτων και ανάκλησης παραπομπών με πολύ χαμηλότερο κόστος. Επίσης πέτυχε υψηλότερα ποσοστά επιτυχίας από άκρο σε άκρο και ισχυρότερη απόδοση στην απόδοση πηγών σε σχέση με το μεγαλύτερο μοντέλο GPT-5.4.»
Τα GPT‑5.4 mini και nano είναι ιδιαίτερα αποτελεσματικά σε ροές εργασίας προγραμματισμού που απαιτούν γρήγορες διορθωτικές ενέργειες. Τα μοντέλα χειρίζονται στοχευμένες τροποποιήσεις, πλοήγηση σε βάσεις κώδικα, δημιουργία περιβαλλόντων χρήστη και κύκλους εντοπισμού σφαλμάτων με χαμηλή καθυστέρηση, γεγονός που τα καθιστά ιδανικά για εργασίες προγραμματισμού που πρέπει να ολοκληρώνονται γρήγορα και με χαμηλότερο κόστος.
Στους δείκτες αξιολόγησης, το GPT‑5.4 mini ξεπερνά σταθερά το GPT‑5 mini σε παρόμοιες καθυστερήσεις και πλησιάζει τα ποσοστά επιτυχίας του GPT‑5.4, ενώ λειτουργεί πολύ πιο γρήγορα, προσφέροντας έναν από τους καλύτερους συνδυασμούς απόδοσης και ταχύτητας για ροές εργασίας προγραμματισμού.
Εκτιμούμε την καθυστέρηση εξετάζοντας τη συμπεριφορά των μοντέλων μας στην παραγωγή και προσομοιώνοντάς την εκτός σύνδεσης. Η εκτίμηση καθυστέρησης λαμβάνει υπόψη τη διάρκεια κλήσης εργαλείου (χρόνος εκτέλεσης κώδικα), τα token δειγματοληψίας και τα token εισαγωγής. Η καθυστέρηση σε πραγματικές συνθήκες μπορεί να διαφέρει σημαντικά και εξαρτάται από πολλούς παράγοντες που δεν αποτυπώνονται στην προσομοίωσή μας. Ομοίως, το κόστος εκτιμάται με βάση τις τιμές API αυτών των μοντέλων κατά τον χρόνο συγγραφής. Τα κόστη ενδέχεται να αλλάξουν στο μέλλον. Οι προσπάθειες συλλογιστικής αυξήθηκαν από «low» σε «xhigh».
Το GPT‑5.4 mini ταιριάζει επίσης ιδιαίτερα σε συστήματα που συνδυάζουν μοντέλα διαφορετικών μεγεθών. Στο Codex, για παράδειγμα, ένα μεγαλύτερο μοντέλο όπως το GPT‑5.4 μπορεί να χειρίζεται τον σχεδιασμό, τον συντονισμό και την τελική αξιολόγηση, ενώ αναθέτει σε υποπράκτορες GPT‑5.4 mini να εκτελούν στενότερες υποεργασίες παράλληλα, όπως αναζήτηση σε βάση κώδικα, έλεγχο μεγάλων αρχείων ή επεξεργασία υποστηρικτικών εγγράφων. Μάθετε πώς λειτουργούν οι υποπράκτορες στο Codex στην τεκμηρίωση(ανοίγει σε νέο παράθυρο).
Αυτό το μοτίβο γίνεται ακόμη πιο χρήσιμο καθώς τα μικρότερα μοντέλα γίνονται ταχύτερα και πιο ικανά. Αντί να χρησιμοποιείται ένα μόνο μοντέλο για τα πάντα, οι προγραμματιστές μπορούν να δημιουργούν συστήματα όπου τα μεγαλύτερα μοντέλα αποφασίζουν τι πρέπει να γίνει και τα μικρότερα εκτελούν γρήγορα τις εργασίες σε μεγάλη κλίμακα. Το GPT‑5.4 mini είναι το ισχυρότερο μίνι μοντέλο μας μέχρι σήμερα για αυτόν τον τρόπο εργασίας.
Το GPT‑5.4 mini αποδίδει επίσης πολύ καλά σε πολυτροπικές εργασίες, ιδιαίτερα σε εκείνες που σχετίζονται με χρήση υπολογιστή. Το μοντέλο μπορεί να ερμηνεύει γρήγορα στιγμιότυπα οθόνης σύνθετων περιβαλλόντων χρήστη, ώστε να ολοκληρώνει εργασίες χρήσης υπολογιστή με ταχύτητα. Στο OSWorld-Verified, το GPT‑5.4 mini πλησιάζει το GPT‑5.4 ενώ ξεπερνά σημαντικά το GPT‑5 mini.
Το GPT‑5.4 mini είναι διαθέσιμο από σήμερα στο API, στο Codex και στο ChatGPT.
Στο API υποστηρίζει εισόδους κειμένου και εικόνας, χρήση εργαλείων, κλήση συνάρτησης, αναζήτηση στο διαδίκτυο, αναζήτηση αρχείων, χρήση υπολογιστή και δεξιότητες. Διαθέτει παράθυρο θεματικού πλαισίου 400k και κοστίζει 0,75 $ ανά 1 εκατομμύριο token εισαγωγής και 4,50 $ ανά 1 εκατομμύριο token αποτελέσματος.
Στο Codex, το GPT‑5.4 mini είναι διαθέσιμο στην εφαρμογή Codex, στο CLI, στην επέκταση IDE και στο web. Χρησιμοποιεί μόνο το 30% της αναλογίας GPT‑5.4, επιτρέποντας στους προγραμματιστές να χειρίζονται γρήγορα απλούστερες εργασίες προγραμματισμού με περίπου το ένα τρίτο του κόστους. Το Codex μπορεί επίσης να αναθέτει εργασίες σε υποπράκτορες GPT‑5.4 mini, ώστε εργασίες που απαιτούν λιγότερη συλλογιστική να εκτελούνται στο οικονομικότερο μοντέλο.
Στο ChatGPT, το GPT‑5.4 mini είναι διαθέσιμο για χρήστες του δωρεάν προγράμματος και του Go μέσω της λειτουργίας “Thinking” στο μενού +. Για όλους τους άλλους χρήστες, το GPT‑5.4 mini είναι διαθέσιμο ως εφεδρικό μοντέλο όταν εξαντλούνται τα όρια χρήσης του GPT‑5.4 Thinking.
Το GPT‑5.4 nano είναι διαθέσιμο μόνο στο API και κοστίζει 0,20 $ ανά 1 εκατομμύριο token εισαγωγής και 1,25 $ ανά 1 εκατομμύριο token αποτελέσματος.
Για περισσότερες πληροφορίες σχετικά με τις δικλίδες ασφαλείας των μοντέλων, ανατρέξτε στο παράρτημα της κάρτας συστήματος στο Deployment Safety Hub(ανοίγει σε νέο παράθυρο).
Coding
| 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% |
Tool-calling
| 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% |
Intelligence
| 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% |
MM / Vision / 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 |
Long context
| 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% | 19.4% |
| Graphwalks BFS 0K–128K | 93.1% | 76.3% | 73.4% | 73.4% |
| Graphwalks parents 0–128K (accuracy) | 89.8% | 71.5% | 50.8% | 64.3% |
1 Η υψηλότερη διαθέσιμη τιμή του reasoning_effort για το GPT‑5 mini είναι «high».
2 Συνολική απόσταση επεξεργασίας. Το OmniDocBench εκτελέστηκε με την προσπάθεια συλλογιστικής (reasoning_effort) ορισμένη στο «none», ώστε να αντικατοπτρίζει απόδοση χαμηλού κόστους και χαμηλής λανθάνουσας καθυστέρησης.
