OpenAI 周二推出旗下迄今能力最强的两款小型模型 GPT-5.4 mini 与 GPT-5.4 nano，以更低延迟和更低成本大幅缩小与旗舰模型的性能差距。GPT-5.4 mini 在编程、推理、多模态理解及工具调用等核心维度全面超越上一代 GPT-5 mini，运行速度提升逾 2 倍，并在 SWE-Bench Pro 等基准测试中接近体量更大的 GPT-5.4。GPT-5.4 nano 则定位成本最低、延迟最短的轻量选项，仅通过 API 向开发者开放，专为数据分类、提取及简单编程子任务设计。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/0ac5330341676533b7ba9b31d5b5e13e?x-oss-process=style/lg" alt="" width="1024" height="259" original-src="https://pub.pbkrs.com/uploads/2026/0ac5330341676533b7ba9b31d5b5e13e"/></figure>两款模型的推出，意在填补大模型在实时交互场景中因延迟过高而难以落地的空白，直接影响覆盖编程助手、AI 代理系统及多模态应用等快速增长的商业市场。<h2 id="qc2hgd5h">mini 面向消费端，nano 专属 API</h2>GPT-5.4 mini 今日起在 OpenAI API、Codex 平台及 ChatGPT 三大渠道同步上线。GPT-5.4 mini 的 API 定价为每百万输入 token 0.75 美元、每百万输出 token 4.50 美元，支持文本与图像输入、工具调用、函数调用、网页搜索、文件检索、计算机操控及技能扩展，上下文窗口达 40 万 token。在 Codex 平台，GPT-5.4 mini 仅消耗 GPT-5.4 配额的 30%，开发者处理简单编程任务的成本约降至旗舰模型的三分之一。Codex 还支持将工作量委派给以 GPT-5.4 mini 运行的子智能体，使推理密度较低的任务自动落入更廉价的模型。在 ChatGPT 端，Free 与 Go 用户可通过&#34;+&#34;菜单选择&#34;Thinking&#34;功能使用 GPT-5.4 mini；其余付费用户在 GPT-5.4 Thinking 触达速率上限后，该模型将作为自动降级备选项启用。GPT-5.4 nano 目前仅通过 API 供开发者调用，定价为每百万输入 token 0.20 美元、每百万输出 token 1.25 美元，为两款新模型中定价最低者。OpenAI 表示，nano 适合由高阶模型统筹调度、负责处理次要支撑任务的子智能体场景。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/a64e8161a26151d4ad09ec83ba4c97a6?x-oss-process=style/lg" alt="" width="1024" height="557" original-src="https://pub.pbkrs.com/uploads/2026/a64e8161a26151d4ad09ec83ba4c97a6"/></figure><h2 id="z9kong2pnh">mini 逼近旗舰，nano 超越前代</h2>从 OpenAI 公布的评测数据来看，GPT-5.4 mini 在编程及多模态任务上的表现尤为突出。在编程基准 SWE-bench Pro 上，mini 得分 54.4%，与 GPT-5.4 的 57.7% 差距收窄至 3.3 个百分点，远高于 GPT-5 mini 的 45.7%。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/d35978c45e0a60f59feadea95462bf4f?x-oss-process=style/lg" alt="" width="1024" height="187" original-src="https://pub.pbkrs.com/uploads/2026/d35978c45e0a60f59feadea95462bf4f"/></figure>在计算机操控基准OSWorld-Verified 上，mini 以 72.1% 逼近 GPT-5.4 的 75.0%，并大幅领先 GPT-5 mini 的 42.0%。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/d47f0c6e0d18856089c2480aff589ec9?x-oss-process=style/lg" alt="" width="499" height="417" original-src="https://pub.pbkrs.com/uploads/2026/d47f0c6e0d18856089c2480aff589ec9"/></figure>工具调用能力方面，GPT-5.4 mini 在τ2-bench 电信测试中得分 93.4%，较 GPT-5 mini 的 74.1% 提升显著。在通用智能测试 GPQA Diamond 中，mini 得分 88.0%，nano 亦达 82.8%，均超越 GPT-5 mini 的 81.6%。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/964885389337b119e770cebeca742c3b?x-oss-process=style/lg" alt="" width="1024" height="229" original-src="https://pub.pbkrs.com/uploads/2026/964885389337b119e770cebeca742c3b"/></figure>值得关注的是，GPT-5.4 nano 在部分视觉任务中表现落后于 GPT-5 mini，OSWorld-Verified 得分 39.0% 低于后者的 42.0%。但在编程及工具调用类任务上，nano 仍较前代实现明显提升。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2026/a21d7018272d2cef01f7a394f65d576e?x-oss-process=style/lg" alt="" width="1024" height="281" original-src="https://pub.pbkrs.com/uploads/2026/a21d7018272d2cef01f7a394f65d576e"/></figure>OpenAI 表示，nano 的设计优先级在于低延迟与低成本，而非全面性能，开发者在选型时需结合具体任务权衡取舍。<h2 id="h1kj3uhcb9">子智能体架构，多模型协作成产品设计新范式</h2>OpenAI 在发布材料中着重强调了两款新模型在多模型分层系统中的位置。以其自研编程助手 Codex 为例，GPT-5.4 负责规划、协调与最终判断，而 GPT-5.4 mini 子智能体则并行处理代码库检索、大文件审阅及辅助文档处理等粒度更细的子任务。OpenAI 表示，随着小型模型速度更快、功能更强大，开发者无需使用单一模型处理所有任务，而是可以构建系统，由大型模型负责决策，小型模型则快速大规模地执行任务。OpenAI 称：<blockquote>GPT-5.4 mini 是我们迄今为止针对这种工作流程最强大的小型模型。</blockquote>这一架构对高并发的工作尤为关键，在编程助手、截图解析及实时图像理解等场景中，响应延迟直接影响产品体感，最优选择往往不是能力最强的模型，而是能够在速度、工具可靠性与任务表现之间取得最佳平衡的模型。对开发者而言，GPT-5.4 mini 与 nano 的发布意味着在不牺牲系统整体智能水平的前提下，大幅压降推理成本的路径进一步清晰。

OpenAI

OpenAI 表示，随着小型模型速度更快、功能更强大，开发者无需使用单一模型处理所有任务，而是可以构建系统，由大型模型负责决策，小型模型则快速大规模地执行任务。“GPT-5.4 mini 是我们迄今为止针对这种工作流程最强大的小型模型。”

OpenAI 发布 GPT-5.4 mini 与 nano，以更低成本逼近旗舰模型性能