OpenAI 週二推出旗下迄今能力最強的兩款小型模型 GPT-5.4 mini 與 GPT-5.4 nano，以更低延遲和更低成本大幅縮小與旗艦模型的性能差距。GPT-5.4 mini 在編程、推理、多模態理解及工具調用等核心維度全面超越上一代 GPT-5 mini，運行速度提升逾 2 倍，並在 SWE-Bench Pro 等基準測試中接近體量更大的 GPT-5.4。GPT-5.4 nano 則定位成本最低、延遲最短的輕量選項，僅通過 API 向開發者開放，專為數據分類、提取及簡單編程子任務設計。<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>兩款模型的推出，意在填補大模型在實時交互場景中因延遲過高而難以落地的空白，直接影響覆蓋編程助手、AI 代理系統及多模態應用等快速增長的商業市場。<h2 id="qc2hgd5h">mini 面向消費端，nano 專屬 API</h2>GPT-5.4 mini 今日起在 OpenAI API、Codex 平台及 ChatGPT 三大渠道同步上線。GPT-5.4 mini 的 API 定價為每百萬輸入 token 0.75 美元、每百萬輸出 token 4.50 美元，支持文本與圖像輸入、工具調用、函數調用、網頁搜索、文件檢索、計算機操控及技能擴展，上下文窗口達 40 萬 token。在 Codex 平台，GPT-5.4 mini 僅消耗 GPT-5.4 配額的 30%，開發者處理簡單編程任務的成本約降至旗艦模型的三分之一。Codex 還支持將工作量委派給以 GPT-5.4 mini 運行的子智能體，使推理密度較低的任務自動落入更廉價的模型。在 ChatGPT 端，Free 與 Go 用户可通過&#34;+&#34;菜單選擇&#34;Thinking&#34;功能使用 GPT-5.4 mini；其餘付費用户在 GPT-5.4 Thinking 觸達速率上限後，該模型將作為自動降級備選項啓用。GPT-5.4 nano 目前僅通過 API 供開發者調用，定價為每百萬輸入 token 0.20 美元、每百萬輸出 token 1.25 美元，為兩款新模型中定價最低者。OpenAI 表示，nano 適合由高階模型統籌調度、負責處理次要支撐任務的子智能體場景。<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 逼近旗艦，nano 超越前代</h2>從 OpenAI 公佈的評測數據來看，GPT-5.4 mini 在編程及多模態任務上的表現尤為突出。在編程基準 SWE-bench Pro 上，mini 得分 54.4%，與 GPT-5.4 的 57.7% 差距收窄至 3.3 個百分點，遠高於 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>在計算機操控基準OSWorld-Verified 上，mini 以 72.1% 逼近 GPT-5.4 的 75.0%，並大幅領先 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>工具調用能力方面，GPT-5.4 mini 在τ2-bench 電信測試中得分 93.4%，較 GPT-5 mini 的 74.1% 提升顯著。在通用智能測試 GPQA Diamond 中，mini 得分 88.0%，nano 亦達 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>值得關注的是，GPT-5.4 nano 在部分視覺任務中表現落後於 GPT-5 mini，OSWorld-Verified 得分 39.0% 低於後者的 42.0%。但在編程及工具調用類任務上，nano 仍較前代實現明顯提升。<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 的設計優先級在於低延遲與低成本，而非全面性能，開發者在選型時需結合具體任務權衡取捨。<h2 id="h1kj3uhcb9">子智能體架構，多模型協作成產品設計新範式</h2>OpenAI 在發佈材料中着重強調了兩款新模型在多模型分層系統中的位置。以其自研編程助手 Codex 為例，GPT-5.4 負責規劃、協調與最終判斷，而 GPT-5.4 mini 子智能體則並行處理代碼庫檢索、大文件審閲及輔助文檔處理等粒度更細的子任務。OpenAI 表示，隨着小型模型速度更快、功能更強大，開發者無需使用單一模型處理所有任務，而是可以構建系統，由大型模型負責決策，小型模型則快速大規模地執行任務。OpenAI 稱：<blockquote>GPT-5.4 mini 是我們迄今為止針對這種工作流程最強大的小型模型。</blockquote>這一架構對高併發的工作尤為關鍵，在編程助手、截圖解析及實時圖像理解等場景中，響應延遲直接影響產品體感，最優選擇往往不是能力最強的模型，而是能夠在速度、工具可靠性與任務表現之間取得最佳平衡的模型。對開發者而言，GPT-5.4 mini 與 nano 的發佈意味着在不犧牲系統整體智能水平的前提下，大幅壓降推理成本的路徑進一步清晰。

OpenAI

OpenAI 表示，隨着小型模型速度更快、功能更強大，開發者無需使用單一模型處理所有任務，而是可以構建系統，由大型模型負責決策，小型模型則快速大規模地執行任務。“GPT-5.4 mini 是我們迄今為止針對這種工作流程最強大的小型模型。”

OpenAI 發佈 GPT-5.4 mini 與 nano，以更低成本逼近旗艦模型性能