היום אנחנו משיקים את GPT‑5.4 mini ו-nano, המודלים הקטנים בעלי היכולות המתקדמות ביותר שלנו עד כה. הם מביאים רבות מהיכולות הבולטות של GPT‑5.4 למודלים מהירים ויעילים יותר, שנועדו לעומסי עבודה בהיקף גדול.
GPT‑5.4 mini מציג שיפור משמעותי לעומת GPT‑5 mini בכתיבת קוד, ב-reasoning, בהבנה רב-מודאלית ובשימוש בכלים, ופועל במהירות גבוהה ביותר מפי שניים. הוא גם מתקרב לביצועים של המודל הגדול יותר, GPT‑5.4, בכמה מבחני הערכה, ובהם SWE-Bench Pro ו-OSWorld-Verified.
GPT‑5.4 nano הוא הגרסה הקטנה והזולה ביותר של GPT‑5.4, למשימות שבהן המהירות והעלות הן השיקולים החשובים ביותר. הוא גם מהווה שדרוג משמעותי לעומת GPT‑5 nano. אנחנו ממליצים עליו לסיווג, לחילוץ נתונים, לדירוג ולסוכני משנה לכתיבת קוד שמבצעים משימות עזר פשוטות יותר.
המודלים האלה נבנו לעומסי עבודה שבהם זמן התגובה משפיע ישירות על חוויית השימוש במוצר: עוזרי כתיבת קוד שצריכים להגיב במהירות, סוכני משנה שמשלימים משימות עזר במהירות, מערכות שמשתמשות במחשב כדי לצלם ולפענח צילומי מסך, ויישומים רב-מודאליים שיכולים להסיק מסקנות מתמונות בזמן אמת. במצבים כאלה, המודל הטוב ביותר הוא לעיתים קרובות לא הגדול ביותר, אלא זה שיכול להגיב במהירות, להשתמש בכלים באופן אמין ועדיין לבצע היטב משימות מקצועיות מורכבות.
| 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 הערך הגבוה ביותר של reasoning_effort שזמין ב-GPT‑5 mini הוא 'high'.
כך התרשמו הלקוחות שלנו לאחר שבדקו את GPT‑5.4 mini ו-nano בתהליכי העבודה שלהם:
GPT‑5.4 mini ו-nano יעילים במיוחד בתהליכי כתיבת קוד שבהם יש יתרון למחזורי עבודה מהירים. המודלים מבצעים עריכות ממוקדות, ניווט בבסיסי קוד, יצירת ממשקי משתמש ומחזורי איתור ותיקון באגים בזמן תגובה קצר, ולכן מתאימים במיוחד למשימות כתיבת קוד שצריך להשלים מהר יותר ובעלות נמוכה יותר.
במבחני ביצועים, GPT‑5.4 mini מציג בעקביות ביצועים טובים יותר מ-GPT‑5‑mini בזמני תגובה דומים, ומתקרב לשיעורי ההצלחה של GPT‑5.4 תוך פעולה מהירה הרבה יותר. כך הוא מציע את אחד היחסים הטובים ביותר בין ביצועים לזמן תגובה בתהליכי כתיבת קוד.
אנחנו מעריכים את זמן התגובה על סמך התנהגות המודלים שלנו בסביבת ייצור, ומדמים אותה בסביבה לא מקוונת. ההערכה מביאה בחשבון את משך הקריאות לכלים (זמן הרצת הקוד), את הטוקנים שנדגמו ואת טוקני הקלט. זמן התגובה בפועל עשוי להשתנות במידה ניכרת, ותלוי בגורמים רבים שאינם נכללים בסימולציה שלנו. בדומה לכך, הערכות העלות מבוססות על תמחור ה-API של המודלים האלה בעת הכתיבה. העלויות עשויות להשתנות בעתיד. נבדקו רמות מאמץ reasoning בטווח שבין low ל-xhigh.
GPT‑5.4 mini מתאים מאוד גם למערכות שמשלבות מודלים בגדלים שונים. ב-Codex, למשל, מודל גדול יותר כמו GPT‑5.4 יכול לטפל בתכנון, בתיאום ובהכרעה הסופית, ולהעביר משימות משנה ממוקדות יותר לסוכני משנה של GPT‑5.4 mini שיבצעו אותן במקביל — למשל חיפוש בבסיס קוד, סקירת קובץ גדול או עיבוד מסמכים נלווים. אפשר ללמוד איך סוכני משנה פועלים ב-Codex בתיעוד(נפתח בחלון חדש).
הגישה הזאת נעשית שימושית יותר ככל שהמודלים הקטנים נעשים מהירים ובעלי יכולות מתקדמות יותר. במקום להשתמש במודל אחד לכל דבר, מפתחים יכולים לבנות מערכות שבהן מודלים גדולים יותר מחליטים מה לעשות, ומודלים קטנים יותר מבצעים זאת במהירות ובהיקף גדול. GPT‑5.4 mini הוא מודל ה-mini החזק ביותר שלנו עד כה לתהליכי עבודה מהסוג הזה.
GPT‑5.4 mini מציג ביצועים חזקים גם במשימות רב-מודאליות, במיוחד כאלה שקשורות לשימוש במחשב. המודל יכול לפענח במהירות צילומי מסך של ממשקי משתמש עמוסים, וכך להשלים במהירות משימות שדורשות שימוש במחשב. ב-OSWorld-Verified, הביצועים של GPT‑5.4 mini מתקרבים לאלה של GPT‑5.4 ועולים במידה ניכרת על אלה של GPT‑5 mini.
GPT‑5.4 mini זמין החל מהיום ב-API, ב-Codex וב-ChatGPT.
ב-API, GPT‑5.4 mini תומך בקלט טקסט ותמונה, בשימוש בכלים, בקריאה לפונקציות, בחיפוש באינטרנט, בחיפוש בקבצים, בשימוש במחשב ובמיומנויות. יש לו חלון הקשר של 400 אלף טוקנים, ועלותו היא $0.75 למיליון טוקני קלט ו-$4.50 למיליון טוקני פלט.
ב-Codex, GPT‑5.4 mini זמין באפליקציית Codex, ב-CLI, בתוסף ל-IDE ובגרסת האינטרנט. הוא צורך רק 30% מהמכסה שצורך GPT‑5.4, ומאפשר למפתחים לבצע במהירות משימות כתיבת קוד פשוטות יותר ב-Codex, בכשליש מהעלות. Codex יכול גם להעביר משימות לסוכני משנה של GPT‑5.4 mini, כך שעבודה שדורשת פחות reasoning מתבצעת במודל הזול יותר.
ב-ChatGPT, GPT‑5.4 mini זמין למשתמשי Free ו-Go דרך התכונה "חשיבה" בתפריט +. לכל שאר המשתמשים, GPT‑5.4 mini זמין כחלופה ל-GPT‑5.4 Thinking כשמגיעים למגבלת הקצב.
GPT‑5.4 nano זמין רק ב-API, ועלותו היא $0.20 למיליון טוקני קלט ו-$1.25 למיליון טוקני פלט.
למידע נוסף על מנגנוני ההגנה של המודלים, אפשר לעיין בנספח לכרטיס המערכת במרכז הבטיחות בפריסה(נפתח בחלון חדש) שלנו.
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 הערך הגבוה ביותר של reasoning_effort שזמין ב-GPT‑5 mini הוא 'high'.
2 מרחק עריכה כולל. OmniDocBench הורץ עם reasoning_effort בערך 'none' כדי לשקף ביצועים בעלות נמוכה ובזמן תגובה קצר.
