今天，我们正式发布 GPT‑5.4 mini 与 nano，这是我们迄今为止能力最强的小型模型。它们将 GPT‑5.4 的诸多优势引入到更快速、更高效的模型中，专为高吞吐量工作负载而设计。
GPT‑5.4 mini 在代码编写、推理、多模态理解以及工具使用方面较 GPT‑5 mini 有显著提升，同时运行速度提高两倍以上。它在多项评估中也接近体量更大的 GPT‑5.4 模型的性能，包括 SWE-bench Pro 和 OSWorld-Verified 基准测试。
GPT‑5.4 nano 是 GPT‑5.4 最轻量、最经济的版本，专为对速度和成本要求极高的任务而设计。它也是 GPT‑5 nano 的重大升级版本。我们推荐将其用于分类、数据提取、排序，以及处理简单辅助任务的编程子智能体。
两款模型专为对延迟敏感的应用场景打造，在这类场景中，响应速度直接关系到产品体验：例如需要即时响应的代码助手、能快速完成辅助任务的子智能体、可捕捉并解析截图的计算机使用系统，以及能够实时推理图像的多模态应用。在这些设定下，最好的模型通常不是体量最大的那个，而是能够快速响应、可靠调用工具，并能在复杂专业任务中保持出色表现的模型。
| 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'。
以下是我们的客户在工作流中测试 GPT‑5.4 mini 与 nano 后的评价：
“GPT-5.4 mini 在同类模型中展现出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文召回 (citation recall) 上的表现超越了竞争模型或与其持平，且成本大幅降低。此外，它的端对端通过率 (pass rate) 高于体量更大的 GPT-5.4 模型，来源溯源 (source attribution) 能力也更强。”
GPT‑5.4 mini 和 nano 在需要快速迭代的代码工作流中表现尤为出色。两款模型能以极低的延迟处理定向编辑、代码库导航、前端生成以及调试循环。这使其非常适合那些追求更高速度、更低成本的代码任务。
在基准测试中，GPT‑5.4 mini 在同等延迟下的表现始终优于 GPT‑5‑mini，且在运行速度大幅提升的同时，其通过率 (pass rate) 接近 GPT‑5.4 的水平。在代码工作流中，它实现了性能与延迟之间的最优权衡。
我们通过观察模型的生产环境行为并进行离线模拟来估算延迟。延迟估算涵盖了工具调用耗时（代码执行时间）、采样 Token 以及输入 Token。实际延迟可能会有显著差异，并取决于诸多我们的模拟中未涵盖的因素。同样，成本估算基于撰写本文时这些模型的 API 定价。费用未来可能会发生变化。推理强度已从 low 调整为 xhigh。
GPT‑5.4 mini 也非常适合那些结合了不同规格模型的系统。例如在 Codex 中，GPT‑5.4 这种体量较大的模型负责处理规划、协作和最终判定，同时将具体的子任务并行分配给 GPT‑5.4 mini 子智能体 — 例如搜索代码库、审阅大文件或处理辅助文档。如需了解子智能体在 Codex 中的运作方式，请参阅文档（在新窗口中打开）。
随着小型模型变得更快、更强大，这种模式的实用性也随之提升。开发者无需再用单一模型处理所有事务，而是可以构建一种组合系统：由大模型决定任务方向，小模型则进行大规模的快速执行。对于这种工作流，GPT‑5.4 mini 是我们迄今为止最强大的 mini 模型。
GPT‑5.4 mini 在多模态任务中表现同样强劲，特别是与“计算机使用”(computer use) 相关的任务。该模型能够快速解析复杂用户界面的截图，从而高效完成计算机操作任务。在 OSWorld-Verified 基准测试中，GPT‑5.4 mini 的表现接近 GPT‑5.4，同时大幅超越了 GPT‑5 mini。
GPT‑5.4 mini 现已在 API、Codex 及 ChatGPT 中上线。
在 API 中，GPT‑5.4 mini 支持文本与图像输入、工具使用、函数调用、网页搜索、文件搜索、计算机使用以及技能 (skill)。它具备 400K 上下文窗口，定价为每 100 万输入 Token 0.75 美元，每 100 万输出 Token 4.50 美元。
在 Codex 中，GPT‑5.4 mini 已在 Codex 应用、CLI（命令行界面）、IDE 扩展及网页端上线。它仅消耗 GPT‑5.4 配额的 30%，让开发者能在 Codex 中以约三分之一的成本快速处理简单的代码任务。Codex 还可以将任务委派给 GPT‑5.4 mini 子智能体，让推理强度较低的工作在成本更低的模型上运行。
在 ChatGPT 中，免费版与 Go 用户可以通过 “+” 菜单中的 “Thinking” 功能使用 GPT‑5.4 mini。对于所有其他用户，GPT‑5.4 mini 将作为 GPT‑5.4 Thinking 的速率限制备选方案。
GPT‑5.4 nano 仅在 API 中提供，定价为每 100 万输入 Token 0.20 美元，每 100 万输出 Token 1.25 美元。
如需详细了解模型的安全防护措施，请查阅我们部署安全中心（在新窗口中打开）中的系统卡附录。
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 GPT‑5 mini 可用的最高 reasoning_effort 为 'high'。
2 总体编辑距离。OmniDocBench 在测试时将 reasoning_effort 设置为 'none'，以反映低成本、低延迟的性能表现。
