GPT-5-Nano هو النموذج الأصغر والأسرع في نظام GPT-5، تم تحسينه لأدوات المطورين والتفاعلات السريعة وبيئات زمن الوصول المنخفض للغاية. على الرغم من محدودية عمق الاستدلال مقارنة بنسخه الأكبر...
GPT-5 Nano هو نموذج صغير الحجم ضمن عائلة GPT-5 من OpenAI، محسّن للاستدلال منخفض التكلفة مع الاحتفاظ بنافذة سياق كبيرة تبلغ 400,000 رمز وإخراج أقصى يبلغ 128,000 رمز. يقبل وسائط إدخال النصوص والصور…
تقبل GPT-5 Nano ثلاثة أنماط إدخال: النص، الصورة، والملف. إدخالات النص مباشرة. تسمح إدخالات الصورة للنموذج بمعالجة المعلومات البصرية (مثل الرسوم البيانية، لقطات الشاشة) والإجابة عن الأسئلة المتعلقة بها. تتيح لك إدخالات الملف إرفاق ملفات PDF أو مستندات Word أو أنواع ملفات أخرى لتحليل على مستوى المستند. يمكن دمج جميع الأنماط في طلب واحد. يعالج النموذج هذه الإدخالات ضمن نافذة السياق الخاصة به التي تتسع لـ 400,000 رمز. لاحظ أن رموز الصورة تستهلك من ميزانية السياق؛ فقد تستهلك الصورة عالية الدقة عدة آلاف من الرموز. يجعل هذا الدعم متعدد الأنماط GPT-5 Nano مناسبًا لمهام مثل قراءة الرسوم البيانية، استخراج البيانات من النماذج، وتحليل الوسائط المختلطة.
يدعم النموذج نافذة سياق تتسع لـ 400,000 رمز (بما في ذلك رموز الإدخال والإخراج) وحد أقصى للإخراج يبلغ 128,000 رمز. وهذا يتيح معالجة مستندات طويلة جدًا – على سبيل المثال، نص بحجم كتاب أو تقرير متعدد الصفحات – في طلب واحد. يعني حد الإخراج السخي أن النموذج يمكنه إنتاج ردود طويلة، مثل ملخصات كاملة أو تحليلات موسعة. ومع ذلك، فإن المخرجات الكبيرة تترتب عليها تكاليف أعلى لرموز الإخراج بمعدل 0.40 دولار لكل مليون رمز. يجب على المطورين التفكير في تعيين معلمات max_tokens بشكل مناسب لتجنب التصعيد غير المقصود في التكلفة.
نظرًا لمعاييرها الرياضية القوية (AA Math 83.7)، تتفوق النموذج في حل المشكلات اللفظية الحسابية، وتدريس الرياضيات، والاستدلال الكمي. قدراتها المتعددة الوسائط تجعلها مفيدة في تفسير أوراق العمل الرياضية الممسوحة ضوئيًا، أو الرسوم البيانية، أو المخططات. السعر المنخفض يدعم التطبيقات عالية الحجم مثل دعم العملاء الآلي، وتصنيف المحتوى، واستخراج البيانات في الوقت الفعلي من الملفات. بالنسبة لتوليد النصوص البسيطة (مثل مسودات البريد الإلكتروني القصيرة، والملخصات النقطية)، يوفر GPT-5 Nano بديلاً فعالاً من حيث التكلفة للنماذج الأكبر حجمًا. إنه أقل ملاءمة لسرد القصص الإبداعي، أو توليد الكود، أو المهام التي تتطلب استرجاعًا عميقًا للحقائق.
إذا كانت مهمتك بسيطة للغاية (مثل التصنيف بكلمة واحدة، أو أسئلة بنعم/لا) ولا تتطلب سياقًا كبيرًا أو دعمًا متعدد الوسائط، فقد تكون النماذج الأصغر أو الأرخص مثل GPT-3.5 Turbo من OpenAI كافية. سعر GPT-5 Nano منخفض بالفعل، ولكن بالنسبة للمهام التي تتضمن مدخلات ومخرجات قصيرة فقط (مثل بضع رموز لكل منها)، فإن نموذجًا بتسعير أقل لكل رمز يمكن أن يقلل التكلفة أكثر. أيضًا، إذا كنت لا تحتاج إلى السياق البالغ 400 ألف، فقد يكون النموذج ذو السياق الأصغر ولكن بتكلفة ثابتة أقل أكثر اقتصادًا. دائمًا قم بقياس الأداء على بياناتك الخاصة للعثور على أفضل مفاضلة بين التكلفة والأداء.
تحقق GPT-5 Nano درجة 83.7 في اختبار AA Math، وهو معيار يقيس حل المسائل الحسابية والرياضيات اللفظية على مستوى المدرسة الابتدائية. تشير هذه الدرجة إلى أداء قوي في هذه المهام مقارنة بحجم النموذج. يتضمن AA Math الجمع والطرح والضرب والقسمة ومسائل لفظية متعددة الخطوات. تشير نتيجة 83.7 إلى أن النموذج يمكنه التعامل بدقة مع العديد من الاستفسارات الرياضية الشائعة، على الرغم من أنه قد يخطئ في المسائل الأكثر تعقيدًا أو متعددة الخطوات. لم يتم تقديم نتائج معايير أخرى لهذا النموذج، لذا لا تتوفر مقارنات حول البرمجة أو المعرفة العامة أو الاستدلال.
لم يتم تقديم أرقام محددة لزمن الاستجابة لنموذج GPT-5 Nano. ومع ذلك، باعتباره نموذجًا صغيرًا، يُتوقع عمومًا أن يكون أسرع لكل رمز (token) مقارنة بالنماذج الأكبر مثل GPT-4o. يقدم OrcaRouter النموذج عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI، ويعتمد زمن استجابة الشبكة على موقع المستخدم والبنية التحتية للمزود. بالنسبة للتطبيقات في الوقت الفعلي، يُوصى باختبار زمن الاستجابة باستخدام مدخلات تمثيلية. عادةً ما يسمح العدد الصغير للمعلمات في النموذج بإنتاجية أعلى على نفس الأجهزة، مما قد يقلل أوقات الانتظار في بيئات الإنتاج، خاصة تحت الضغط العالي للاستخدام المتزامن.
استنادًا إلى درجة AA Math البالغة 83.7، يُظهر GPT-5 Nano قوة في التفكير الرياضي والحساب، مما يجعله مناسبًا للأدوات التعليمية وتحليل البيانات وأي مهمة تتضمن معالجة رقمية منظمة. كما أن قدرته على التعامل مع الصور والملفات تدعم المسائل الرياضية القائمة على المستندات. تشمل نقاط الضعف غياب المعايير في المجالات الأخرى مثل البرمجة (HumanEval)، والمعرفة العامة (MMLU)، أو الطلاقة في المحادثة. يجب على المستخدمين عدم افتراض أداء مماثل في المهام غير الرياضية. قد يكون النموذج أيضًا أقل قدرة على فهم السياقات الدقيقة أو إنتاج محتوى إبداعي طويل.
بدون معايير مرجعية للتفكير المنطقي أو البرمجة أو الفطرة السليمة، لا يمكن قياس الذكاء العام لـGPT-5 Nano. درجة 83.7 في الرياضيات AA، رغم أنها محترمة، لا تضمن الكفاءة في المجالات الأخرى. النموذج صغير، لذا قد ينتج أخطاء واقعية أكثر أو مخرجات أقل ترابطًا حول الموضوعات الغامضة مقارنة بالنماذج الأكبر. نافذة السياق البالغة 400 ألف إدخال كبيرة، لكن الاستخدام الفعال لهذا السياق قد يتطلب هندسة استعلامات دقيقة. غياب تصنيف السرعة المقدم يعني ضرورة التحقق من زمن الاستجابة الفعلي. يجب على المستخدمين إجراء تقييماتهم الخاصة على مقاييس خاصة بالمهمة قبل النشر.
سعر GPT-5 Nano هو 0.05 دولار لكل 1 مليون رمز إدخال و0.40 دولار لكل 1 مليون رمز إخراج. هذه الأسعار محددة من قبل OpenAI ويتم تمريرها عبر OrcaRouter بدون أي هامش ربح. تشمل رموز الإدخال المطالبة وأي رموز صور أو ملفات. رموز الإخراج هي الرد المُنشأ. يتم حساب التكلفة في كلا الاتجاهين بناءً على عدد الرموز. على سبيل المثال، بالنسبة لمطالبة نموذجية مكونة من 1,000 رمز ورد مكون من 500 رمز، ستكون التكلفة تقريبًا 0.00005 دولار (إدخال) + 0.0002 دولار (إخراج) = 0.00025 دولار لكل طلب. هذا تنافسي لنموذج يحتوي على نافذة سياق 400 ألف ومخرجات 128 ألف.
على الرغم من أن GPT-5 Nano غير مكلف، إلا أن تكلفة الرموز الناتجة (output tokens) تبلغ ثمانية أضعاف تكلفة رموز الإدخال (input tokens) (0.40 دولار مقابل 0.05 دولار لكل 1M رمز). بالنسبة للتطبيقات التي تُنتج استجابات طويلة (مثل 10k+ رمز ناتج)، يمكن أن تهيمن تكاليف الإخراج. يجب على المطورين تحديد max_tokens إلى الحد الأدنى المطلوب. يتم محاسبة رموز الإدخال من الصور والملفات بنفس معدل الإدخال، ولكن الصور عالية الدقة تستهلك العديد من الرموز (مثل صورة بدقة 1 ميجابكسل قد تستخدم ~2,000 رمز). يمكن أن يؤدي استخدام دقة أقل أو تقليل عدد الصور إلى خفض التكاليف. تشجع نافذة السياق الكبيرة على استخدام موجهات طويلة، ولكن كل رمز إضافي يضيف تكلفة. وازن بين حجم السياق وميزانية الرموز.
OrcaRouter يمرر تسعير OpenAI دون أي زيادة، لكن سياسات التخزين المؤقت (caching) تُحدد من قِبل OpenAI. قد يوفّر المزوّد تخزينًا مؤقتًا للمُدخلات المتكررة ذات البادئات المطابقة، مما يُقلل رسوم رموز الإدخال. ومع ذلك، لم تُقدّم تفاصيل محددة حول التخزين المؤقت لـ GPT-5 Nano. يجب على المطوّرين مراجعة وثائق OpenAI لمعرفة سياسات التخزين المؤقت الخاصة بهم. لا يُضيف OrcaRouter طبقة تخزين مؤقت خاصة به؛ بل يعمل كبوابة شفافة. إذا كان التخزين المؤقت متاحًا، فإنه يُمكن أن يُخفّض التكاليف بشكل كبير للتطبيقات التي تستخدم مطالبات متكررة، مثل دعم العملاء الآلي أو التوليد القائم على القوالب.
لاستخدام GPT-5 Nano، قم بتعيين عنوان URL الأساسي إلى https://api.orcarouter.ai/v1 وحدد معرف النموذج كـ "openai/gpt-5-nano" في طلب API الخاص بك. نقطة النهاية متوافقة مع OpenAI، لذا يمكنك استخدام أي SDK من OpenAI أو عميل HTTP. يتضمن الطلب النموذجي معاملات مثل messages وmax_tokens وtemperature وstop sequences. يقوم OrcaRouter بتوجيه الطلب إلى OpenAI ويعيد الاستجابة دون أي معالجة إضافية. يتم التحقق من الهوية عبر مفتاح API يوفره OrcaRouter. هذا يجعل عملية النقل بسيطة للمستخدمين الذين يستخدمون بالفعل API الخاص بـ OpenAI: فقط قم بتغيير عنوان URL الأساسي ومعرف النموذج ومفتاح API.
جميع معلمات إكمال الدردشة القياسية الخاصة بـ OpenAI مدعومة عبر وكيل OrcaRouter – على سبيل المثال، الرسائل (مع الأدوار: system، user، assistant)، max_tokens، temperature، top_p، frequency_penalty، presence_penalty، stop، وstream. بالنسبة للمدخلات متعددة الوسائط، يمكنك تضمين حقول image_url أو file_type في مصفوفة المحتوى. يدعم النموذج أيضًا استدعاء الدوال (function calling) والأدوات (tools)، على الرغم من عدم تفصيلها في المعلومات المقدمة. قد تكون معلمات مثل n (عدد الإكمالات) وlogprobs متاحة أيضًا. راجع وثائق API الخاصة بـ OpenAI للحصول على القائمة الكاملة. لا يقوم OrcaRouter بتعديل أو تقييد المعلمات.
الترحيل إلى GPT-5 Nano مباشر. إذا كنت تستخدم حاليًا واجهة OpenAI API، قم بتغيير عنوان URL الأساسي إلى https://api.orcarouter.ai/v1، واستبدل مفتاح API الخاص بك بمفتاح OrcaRouter، واضبط النموذج على "openai/gpt-5-nano". يظل تنسيق الطلب متطابقًا. قد تحتاج إلى ضبط درجة الحرارة وmax_tokens لتناسب النموذج الأصغر. اختبر مجموعة فرعية من الاستفسارات الخاصة بك لتقييم جودة المخرجات. نظرًا لأن GPT-5 Nano يحتوي على عدد معلمات أصغر، فقد يستجيب بشكل مختلف للتعليمات؛ قد يكون ضبط الاستفسارات ضروريًا. لا يوفر OrcaRouter أي ترميز، لذا تكون مقارنات التكلفة مباشرة.
GPT-4o هو نموذج أكبر وأكثر قدرة، مع نتائج معيارية أعلى في معظم المجالات (مثل MMLU وHumanEval)، لكنه أيضًا أعلى في التسعير. تم تحسين GPT-5 Nano من حيث التكلفة والسرعة. نافذة السياق لـ GPT-4o أصغر حاليًا (128 ألف رمز) مقارنة بـ 400 ألف رمز لـ GPT-5 Nano، على الرغم من أن GPT-4o يوفر قدرة أقوى على الاستدلال والإبداع. بالنسبة للمهام التي تتطلب سياقًا كبيرًا أو التركيز على المسائل الرياضية، قد يكون GPT-5 Nano أكثر ملاءمة. بالنسبة للبرمجة المعقدة، أو المحادثات الدقيقة، أو المهام التي تتطلب دقة عالية، فمن المرجح أن GPT-4o هو الأفضل. يعتمد الاختيار على ميزانيتك ومتطلبات الأداء.
GPT-3.5 Turbo هو نموذج صغير أقدم بسعر مماثل ولكن نافذة سياق أصغر بكثير (16 ألف رمز) ولا يدعم الوسائط المتعددة. GPT-5 Nano يوفر نافذة سياق بحجم 400 ألف رمز، وإخراج 128 ألف رمز، وإدخال الصور/الملفات، مما يجعله أكثر قدرة بشكل كبير على المهام الطويلة ومتعددة الوسائط. ومع ذلك، قد يكون GPT-3.5 Turbo كافيًا للتفاعلات القصيرة النصية فقط وقد يكون زمن الاستجابة أقل بسبب معالجة سياق أصغر. مقارنات المعايير غير متوفرة، لكن درجة AA Math البالغة 83.7 لـ GPT-5 Nano تشير إلى استدلال رياضي أفضل. بالنسبة للمهام القصيرة النصية البحتة، يظل GPT-3.5 Turbo خيارًا فعالاً من حيث التكلفة.
GPT-4o Mini هو إصدار مصغر من GPT-4o مع دعم مماثل للوسائط المتعددة ونافذة سياقية تبلغ 128 ألف رمز. يوفر GPT-5 Nano ثلاثة أضعاف السياق (400 ألف رمز) وحدًا أقصى أكبر للإخراج (128 ألف مقابل 16 ألف لـ GPT-4o Mini). تسعير GPT-4o Mini (عادةً 0.15 دولار/مليون إدخال، 0.60 دولار/مليون إخراج) أعلى من تسعير GPT-5 Nano البالغ 0.05/0.40 دولار. ومع ذلك، فإن GPT-4o Mini يتفوق على الأرجح في الاستدلال العام واتباع التعليمات لكونه نسخة مقطرة من GPT-4o. يشير المعيار القوي الوحيد لـ GPT-5 Nano (AA Math) إلى أنه متخصص في الرياضيات. اختر GPT-5 Nano للمهام الثقيلة في الرياضيات ذات السياق الكبير؛ اختر GPT-4o Mini للقدرات الأوسع.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="openai/gpt-5-nano",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| الإدخال / 1M توكن | $0.050 |
|---|---|
| الإخراج / 1M توكن | $0.400 |
| قراءة الذاكرة المؤقتة / 1M | $0.0050 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/openai/gpt-5-nanoفتح @misc{orcarouter_gpt_5_nano,
title = {GPT-5 Nano API},
author = {OpenAI},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5-nano}
}OpenAI. (2025). GPT-5 Nano API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5-nano