OpenAI GPT-5 Nano: 400K Kontext, 83.7 AA Math, Text/Bild/Datei-Eingabe, $0.05/M Eingabe-Token über OrcaRouter.
OpenAI GPT-5 Nano (Veröffentlichung am 2025-08-07) ist ein kleineres, kostenoptimiertes Mitglied der GPT-5-Familie. Es bietet ein Kontextfenster von 400.000 Tokens – genug, um ganze lange Dokumente…
GPT-5 Nano akzeptiert Texte-, Bild- und Dateieingaben und ermöglicht so das Verarbeiten einer Mischung aus Formaten. Der Kontext von 400.000 Token kann Hunderte von Textseiten zusammen mit eingebetteten Bildern oder Dateianhängen aufnehmen. Das Modell kann in einer einzigen Antwort bis zu 128.000 Token generieren – geeignet für lange Analyseergebnisse, Codegenerierungen oder mehrstufige mathematische Beweise. Der AA-Mathe-Score von 83,7 zeigt starke arithmetische und logische Argumentationsfähigkeiten. Zu den häufigsten Anwendungsfällen gehören die Zusammenfassung langer Dokumente, Bild-zu-Text-Annotationen, dateibasierte Datenextraktion und das Lösen von Bildungsproblemen, bei denen sowohl das Verständnis von Diagrammen als auch der textuelle Kontext erforderlich ist.
Die besten Anwendungsfälle nutzen den großen Kontext und die multimodalen Eingaben des Modells aus, ohne maximale Benchmark-Leistung zu erfordern. Beispiel: Verarbeitung eines 300-seitigen Rechtsvertrags samt beigefügter Anhänge (Bilder von Unterschriften, Tabellen), um Verpflichtungen zu extrahieren. Ein weiteres: Analyse eines langen Forschungsartikels mit Abbildungen und anschließendes Verfassen einer 10.000-Wörter-Kritik. Im Bildungsbereich kann GPT-5 Nano Schritt für Schritt eine komplexe Matheaufgabe durcharbeiten und dabei Bilder handschriftlicher Gleichungen verwenden. Für Datenpipelines kann es PDFs und Bilder aufnehmen und strukturierte Daten ausgeben. Diese Aufgaben profitieren von den niedrigen Eingangskosten ($0,05/M Tokens) und der Fähigkeit, Dateien direkt zu verarbeiten.
Wenn Ihre Anwendung nie mehr als, sagen wir, 8.000 Token Kontext benötigt und keine Bild- oder Dateieingaben erfordert, wäre ein kleineres und günstigeres Modell (z. B. GPT-4 Mini zu niedrigeren Token-Kosten) wirtschaftlicher. Ähnlich verhält es sich, wenn Ihre Ausgaben immer sehr kurz sind (z. B. Ein-Wort-Klassifikationen) – es kann verschwenderisch sein, 0,40 $ pro 1 Million Ausgabe-Token zu zahlen; ziehen Sie ein Modell in Betracht, das für Klassifikation zu niedrigeren Ausgabekosten optimiert ist. GPT-5 Nano ist am kosteneffizientesten, wenn Sie wirklich sein 400K-Kontextfenster oder seine multimodalen Fähigkeiten benötigen; andernfalls sparen einfachere Modelle Geld.
Der AA Math Benchmark bewertet mathematisches Denken – das Lösen von Arithmetik, Algebra und Textaufgaben. Ein Wert von 83,7 bedeutet, dass GPT-5 Nano 83,7 % der Aufgaben in diesem Benchmark korrekt gelöst hat. Dies ist eine starke Leistung für ein „Nano“-Modell und zeigt, dass es zuverlässig Mathematik auf Grundschul- bis frühem Gymnasialniveau bewältigen kann, einschließlich mehrschrittiger Probleme. Vergleichen Sie dies mit größeren Modellen, die über 90 Punkte erzielen können, aber höhere Kosten pro Token verursachen. Der Wert bestätigt, dass GPT-5 Nano für mathematische Schlussfolgerungen in vielen Anwendungen einen guten Kompromiss zwischen Kosten und Genauigkeit bietet.
Latenzwerte für GPT‑5 Nano werden von OpenAI ab der Veröffentlichung vom 2025‑08‑07 nicht öffentlich bekannt gegeben. In der Praxis hängt die Geschwindigkeit von Faktoren wie der Gesamtzahl der Token, der Anfragelast und der Infrastruktur von OrcaRouter ab. Da Nano im Vergleich zu großen Varianten ein kleineres Modell ist, hat es wahrscheinlich eine geringere Latenz pro Token, aber genaue Zahlen sind nicht verfügbar. OrcaRouter verarbeitet Anfragen asynchron mit standardmäßigen Timeout‑Konfigurationen. Für latenzempfindliche Echtzeitanwendungen empfehlen wir, mit Ihrer typischen Nutzlast (einschließlich Bildern/Dateien) über die OrcaRouter‑API Benchmarks durchzuführen, um die Eignung zu bewerten.
Stärken: Langer Kontext (400K Tokens), multimodale Eingabe (Text/Bild/Datei), große Ausgabekapazität (128K Tokens), solides mathematisches Denken (83.7 AA Math) und niedrige Kosten pro Token. Einschränkungen: Es ist nicht das leistungsstärkste Modell bei anderen Benchmarks (keine Bewertungen für Programmier-, Denk- oder Wissensaufgaben angegeben). Die geringere Anzahl an Parametern bedeutet wahrscheinlich, dass es bei stark nuancierten oder kreativen Aufgaben Schwierigkeiten hat. Außerdem ist die Latenz nicht garantiert; keine Unterstützung für Audio- oder Videoeingabe. Die Ausgabequalität kann bei sehr langen Generierungen nahe der 128K-Grenze nachlassen. Für Aufgaben, die Spitzenwerte erfordern, ziehen Sie größere GPT‑5-Modelle in Betracht.
Die Preisgestaltung basiert auf der Token-Nutzung und wird zum OpenAI-Anbieterpreis ohne Aufschlag berechnet. Eingabetoken: $0.05 pro 1 Million Token. Ausgabetoken: $0.40 pro 1 Million Token. OrcaRouter gibt diese exakten Preise weiter. Für ein typisches Gespräch mit 100.000 Eingabetoken (einschließlich Bildern, die als Teil der Eingabe tokenisiert werden) und 10.000 Ausgabetoken würden die Kosten ($0.05 × 0.1) + ($0.40 × 0.01) = $0.005 + $0.004 = $0.009 (weniger als ein Cent) betragen. Die Abrechnung erfolgt auf Token-Ebene; Sie können Ausgabenlimits über das OrcaRouter-Dashboard festlegen.
Der Hauptvorteil von GPT-5 Nano sind die niedrigen Eingabekosten im Verhältnis zur Kontextgröße. Beispielsweise kostet die Verarbeitung eines 400K‑Token-Dokuments nur $0.02 für die Eingabe (400K / 1M × $0.05). Ausgabetoken sind pro Token teurer, daher können die Ausgabekosten dominieren, wenn Ihre Anwendung sehr lange Antworten generiert. Beispielsweise kostet eine Ausgabe von 100K Token $0.04 (100K / 1M × $0.40). Bewerten Sie Ihr durchschnittliches Eingabe‑zu‑Ausgabe‑Verhältnis. Wenn die Ausgaben kurz, aber die Eingaben riesig sind, ist Nano extrem günstig. Wenn die Ausgaben 128K erreichen, überlegen Sie, ob für Ihre spezifische Aufgabe ein günstigeres Ausgabekosten‑Modell existiert.
OrcaRouter gibt keine spezifischen Caching-Mechanismen für einzelne Modelle preis. Standard-API-Best Practices gelten: Verwenden Sie Antworten auf Anwendungsebene wieder, wenn angemessen, und minimieren Sie redundanten Token-Verbrauch. Beachten Sie, dass GPT-5 Nano Datei- und Bildeingaben unterstützt (die tokenisiert werden), jede eindeutige Datei oder jedes eindeutige Bild zählt als neue Eingabe-Tokens. Das Caching von tokenisiertem Inhalt wird auf API-Ebene nicht unterstützt. Um die Kosten zu optimieren, können Sie die Textteile Ihrer Prompts clientseitig cachen und vermeiden, identische lange Kontexte erneut zu senden, wenn die Antwort des Modells deterministisch ist und Sie temperature=0 steuern.
Verwenden Sie den OpenAI-kompatiblen API-Endpunkt: Basis-URL https://api.orcarouter.ai/v1, Modell-ID "openai/gpt-5-nano-2025-08-07". Beispiel mit curl: curl https://api.orcarouter.ai/v1/chat/completions \ -H "Authorization: Bearer YOUR_ORCAROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "openai/gpt-5-nano-2025-08-07", "messages": [{"role": "user", "content": [{"type": "text", "text": "Löse dieses Matheproblem."},{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]}], "max_tokens": 512 }' Alle Standardparameter (temperature, top_p, stop, frequency_penalty usw.) werden unterstützt. Dateieingaben können base64-kodiert oder URL-basiert sein.
GPT-5 Nano unterstützt die Standardparameter für Chat-Vervollständigungen: model (erforderlich, verwenden Sie die genaue ID), messages (Array von Nachrichtenobjekten), max_tokens (bis zu 128000), temperature (0–2, Standard 1), top_p (0–1, Standard 1), n (Anzahl der Vervollständigungen, Standard 1), stop (Zeichenkette oder Array), frequency_penalty, presence_penalty, user (eindeutige Kennung für die Nachverfolgung) und logit_bias. Für Bild- und Dateieingaben verwenden Sie Inhaltsobjekte vom Typ „image_url“ (für Bilder) oder „file“ (für Dateianhänge, sofern unterstützt – siehe OrcaRouter-Dokumentation). Parameter wie tools, tool_choice und response_format sind verfügbar, wenn das Modell strukturierte Ausgaben unterstützt.
Migration ist unkompliziert, da OrcaRouter das exakt gleiche OpenAI-kompatible Schema implementiert. Ändern Sie nur zwei Dinge: 1) Setzen Sie die Basis-URL auf https://api.orcarouter.ai/v1; 2) Ersetzen Sie Ihren OpenAI-API-Schlüssel durch einen OrcaRouter-API-Schlüssel (erhalten Sie über das OrcaRouter-Dashboard). Behalten Sie alle anderen Request-Bodies unverändert bei, einschließlich Modell-IDs im Format „openai/gpt-5-nano-2025-08-07". OrcaRouter übernimmt Routing und Abrechnung. Es sind keine Code-Änderungen außer Endpunkt und Schlüssel erforderlich. Testen Sie mit einer einzigen Anfrage, um die Konnektivität und die Token-Nutzungsabrechnung zu bestätigen.
Fügen Sie für Dateieingaben ein Content-Objekt mit dem Typ "file" ein und übergeben Sie die Dateidaten als Base64-Kodierung oder eine öffentliche URL. OrcaRouter akzeptiert dasselbe Schema wie die API von OpenAI. Beispiel für Nachrichteninhalt: [{"type": "text", "text": "Fasse dieses PDF zusammen"}, {"type": "file", "file": {"url": "..."}}]. Die tokenisierten Kosten von Dateien hängen von ihrer Größe und Komplexität ab (Bilder werden als Eingabe-Tokens proportional zur Auflösung gezählt). Stellen Sie sicher, dass Ihr gesamter Kontext (Text+Image+Datei-Tokens) unter 400.000 bleibt. Erwägen Sie bei sehr großen Dateien eine vorherige Aufteilung oder eine andere Strategie.
GPT-5 Nano bietet einen größeren Kontextfenster (400K vs. typische 128K von GPT‑4 Mini) und multimodale Eingabe (Text/Bild/Datei vs. nur Text bei vielen Mini-Varianten). Die Kosten sind niedriger: $0,05/$0,40 pro M Tokens vs. GPT‑4 Mini‑Tarife, die für Output oft höher sind. Allerdings kann GPT‑4 Mini eine schnellere Inferenz bieten (obwohl Latenzzahlen für keinen der beiden veröffentlicht sind). Der AA Math‑Score von GPT‑5 Nano (83,7) ist konkurrenzfähig mit dem oder übertrifft die Mathematikleistung von GPT‑4 Mini. Für langkontextige, multimodale Aufgaben ist Nano die klare Wahl; für kurze, generische Texte kann Mini weiterhin kosteneffektiv sein.
GPT-5 Pro ist das große Flaggschiffmodell von OpenAI mit höheren Benchmark-Ergebnissen in allen Bereichen, aber auch höheren Token-Preisen (genaue Tarife nicht angegeben). Pro hat wahrscheinlich ein kleineres Kontextfenster (Gerüchten zufolge 128K), aber besseres Reasoning, Codierung und Kreativität. GPT-5 Nano tauscht etwas Genauigkeit und Fähigkeiten für einen viel niedrigeren Preis und längeren Kontext ein. Wenn Ihre Priorität maximale Qualität bei schwierigen Aufgaben ist, wählen Sie Pro. Wenn Sie riesige Datenmengen wirtschaftlich verarbeiten müssen und dabei eine moderate Genauigkeit akzeptieren können, ist Nano überlegen. Beide sind über OrcaRouter mit demselben API-Format zugänglich.
OrcaRouter bietet Zugriff auf viele Modelle. Zu den Alternativen gehören größere OpenAI-Modelle (GPT‑5 Pro) für höhere Genauigkeit, kleinere Modelle (GPT‑4 Mini) für einfache Texte oder Drittanbieter-Modelle wie Anthropic’s Claude oder Meta’s Llama. Jedes hat unterschiedliche Kontextfenster, Preise und Modalitätsunterstützung. Beispielsweise bietet Claude 3 Haiku möglicherweise eine höhere Geschwindigkeit, jedoch keine Bildeingabe. Sie können die Kosten pro Token auf der OrcaRouter-Preisseite vergleichen. GPT-5 Nano zeichnet sich besonders durch seine Kombination aus 400K Kontext, multimodaler Eingabe und niedrigen Eingabekosten aus – was es unter den leichten Modellen einzigartig macht.
GPT-5 Nano trainiert wie andere über die API genutzte OpenAI-Modelle standardmäßig nicht mit Ihren Daten (die API-Datennutzungsrichtlinie von OpenAI gilt). OrcaRouter fungiert als Proxy und speichert Ihre Prompts oder Antworten nur insoweit, wie es für Abrechnung und Anfrageprotokollierung erforderlich ist (vorbehaltlich der Datenschutzrichtlinie von OrcaRouter). Beide Anbieter verpflichten sich, API-Daten nicht zur Modellverbesserung zu verwenden, es sei denn, Sie stimmen zu. Für sensible Daten sollten Sie ein lokales oder dediziertes Modell in Betracht ziehen. Die Datenverarbeitung von GPT‑5 Nano ist identisch mit der anderer OpenAI-API-Modelle – keine zusätzliche Datenspeicherung durch OrcaRouter.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5-nano-2025-08-07",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Eingabe / 1M Tokens | $0.050 |
| Ausgabe / 1M Tokens | $0.400 |
| Cache-Lesen / 1M | $0.0050 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/openai/gpt-5-nano-2025-08-07Öffnen @misc{orcarouter_gpt_5_nano_2025_08_07,
title = {openai/gpt-5-nano-2025-08-07 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5-nano-2025-08-07}
}openai. (n.d.). openai/gpt-5-nano-2025-08-07 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5-nano-2025-08-07