GPT-5-Nano es la variante más pequeña y rápida del sistema GPT-5, optimizada para herramientas de desarrollo, interacciones rápidas y entornos de latencia ultra baja. Aunque tiene una capacidad de razonamiento limitada en comparación con sus versiones más grandes...
GPT-5 Nano es un modelo de pequeña escala en la familia GPT-5 de OpenAI, optimizado para inferencia de bajo costo mientras conserva una ventana de contexto grande de 400,000 tokens y una salida…
GPT-5 Nano acepta tres modalidades de entrada: texto, imagen y archivo. Las entradas de texto son directas. Las entradas de imagen permiten que el modelo procese información visual (por ejemplo, diagramas, capturas de pantalla) y responda preguntas sobre ellas. Las entradas de archivo permiten adjuntar PDF, documentos de Word u otros tipos de archivo para análisis a nivel de documento. Todas las modalidades pueden combinarse en una sola solicitud. El modelo procesa estas entradas dentro de su ventana de contexto de 400,000 tokens. Tenga en cuenta que los tokens de imagen consumen del presupuesto de contexto; una imagen de alta resolución puede usar varios miles de tokens. Este soporte multimodal hace que GPT-5 Nano sea adecuado para tareas como lectura de gráficos, extracción de formularios y análisis de medios mixtos.
El modelo admite una ventana de contexto de 400,000 tokens (incluyendo tanto tokens de entrada como de salida) y una salida máxima de 128,000 tokens. Esto permite procesar documentos muy largos – por ejemplo, un texto de la longitud de un libro o un informe de varias páginas – en una sola solicitud. El generoso límite de salida significa que el modelo puede producir respuestas extensas, como resúmenes completos o análisis detallados. Sin embargo, las salidas grandes también generan costos de tokens de salida más altos, a $0.40 por 1M de tokens. Los desarrolladores deberían considerar establecer los parámetros max_tokens de manera adecuada para evitar una escalada de costos no deseada.
Dado su sólido benchmark matemático (AA Math 83.7), el modelo destaca en problemas aritméticos con palabras, tutoría de matemáticas y razonamiento cuantitativo. Sus capacidades multimodales lo hacen útil para interpretar hojas de ejercicios de matemáticas escaneadas, diagramas o gráficos. El bajo precio permite aplicaciones de alto volumen como atención al cliente automatizada, categorización de contenido y extracción de datos en tiempo real desde archivos. Para generación de texto simple (por ejemplo, borradores de correos cortos, resúmenes en viñetas), GPT-5 Nano ofrece una alternativa rentable a modelos más grandes. Es menos adecuado para narración creativa, generación de código o tareas que requieran un recuerdo profundo de hechos.
Si tu tarea es extremadamente simple (por ejemplo, clasificación de una sola palabra, preguntas de sí/no) y no requiere el gran contexto o soporte multimodal, incluso modelos más pequeños o más baratos como OpenAI’s GPT-3.5 Turbo podrían ser suficientes. El precio de GPT-5 Nano ya es bajo, pero para tareas que solo involucran entradas y salidas cortas (por ejemplo, unos pocos tokens cada una), un modelo con un precio por token aún más bajo podría reducir aún más el costo. Además, si no necesitas el contexto de 400k, un modelo con un contexto más pequeño pero con un costo fijo más bajo puede ser más económico. Siempre realiza pruebas comparativas con tus datos para encontrar el mejor equilibrio entre costo y rendimiento.
GPT-5 Nano logra una puntuación de 83.7 en AA Math, un punto de referencia que mide la resolución de problemas aritméticos y de razonamiento matemático a nivel de escuela primaria. Esta puntuación indica un rendimiento sólido para dichas tareas en relación con su tamaño de modelo. AA Math incluye suma, resta, multiplicación, división y problemas de varios pasos. El resultado de 83.7 sugiere que el modelo puede manejar con precisión muchas consultas matemáticas comunes, aunque aún puede fallar en problemas más complejos o de varios pasos. No se proporcionan otras puntuaciones de referencia para este modelo, por lo que no hay comparaciones disponibles en cuanto a codificación, conocimiento general o razonamiento.
No se proporcionaron cifras de latencia específicas para GPT-5 Nano. Sin embargo, al ser un modelo pequeño, generalmente se espera que sea más rápido por token que modelos más grandes como GPT-4o. OrcaRouter sirve el modelo a través de su API compatible con OpenAI, y la latencia de red depende de la ubicación del usuario y la infraestructura del proveedor. Para aplicaciones en tiempo real, se recomienda probar la latencia con entradas representativas. El reducido número de parámetros del modelo generalmente permite un mayor rendimiento en el mismo hardware, lo que puede reducir los tiempos de espera en entornos de producción, especialmente bajo alta concurrencia.
Basado en la puntuación AA Math de 83.7, GPT-5 Nano es fuerte en razonamiento matemático y aritmética. Esto lo hace adecuado para herramientas educativas, análisis de datos y cualquier tarea que implique procesamiento numérico estructurado. Su capacidad para manejar imágenes y archivos respalda aún más los problemas matemáticos centrados en documentos. Las debilidades incluyen la ausencia de evaluaciones comparativas en otros dominios como codificación (HumanEval), conocimiento general (MMLU) o fluidez conversacional. Los usuarios no deben asumir un rendimiento igual en tareas no matemáticas. El modelo también puede ser menos capaz de comprender contextos sutiles o generar contenido creativo de formato largo.
Sin puntos de referencia para razonamiento, codificación o sentido común, la inteligencia general de GPT-5 Nano no puede cuantificarse. Su puntuación de 83.7 en AA Math, aunque respetable, no garantiza competencia en otras áreas. El modelo es pequeño, por lo que puede producir más errores factuales o salidas menos coherentes en temas ambiguos en comparación con modelos más grandes. Su ventana de contexto de 400k es grande, pero usar ese contexto de manera efectiva puede requerir una ingeniería de prompts cuidadosa. La falta de una velocidad proporcionada significa que la latencia real debe verificarse. Los usuarios deben realizar sus propias evaluaciones en métricas específicas de la tarea antes del despliegue.
GPT-5 Nano tiene un precio de $0.05 por cada 1 millón de tokens de entrada y $0.40 por cada 1 millón de tokens de salida. Estas tarifas son establecidas por OpenAI y transmitidas por OrcaRouter sin margen adicional. Los tokens de entrada incluyen el prompt y cualquier token de imagen o archivo. Los tokens de salida son la respuesta generada. Ambas direcciones se facturan según el recuento de tokens. Para un prompt típico de 1,000 tokens y una respuesta de 500 tokens, el costo sería de aproximadamente $0.00005 (entrada) + $0.0002 (salida) = $0.00025 por solicitud. Esto es competitivo para un modelo con una ventana de contexto de 400k y salida de 128k.
Si bien GPT-5 Nano es económico, los tokens de salida cuestan ocho veces más que los tokens de entrada ($0.40 vs $0.05 por 1M). Para aplicaciones que generan respuestas largas (por ejemplo, 10k+ tokens de salida), los costos de salida pueden dominar. Los desarrolladores deben limitar max_tokens al mínimo necesario. Los tokens de entrada de imágenes y archivos se facturan a la misma tasa de entrada, pero las imágenes de alta resolución consumen muchos tokens (por ejemplo, una imagen de 1 megapíxel puede usar ~2,000 tokens). Usar una resolución más baja o reducir la cantidad de imágenes puede reducir los costos. La gran ventana de contexto fomenta indicaciones largas, pero cada token adicional agrega costo. Equilibre el tamaño del contexto con el presupuesto de tokens.
OrcaRouter transmite los precios de OpenAI sin recargos, pero las políticas de caché son determinadas por OpenAI. El proveedor puede ofrecer almacenamiento en caché para prefijos de entrada idénticos repetidos, lo que reduciría los cargos por tokens de entrada. Sin embargo, no se proporcionaron detalles específicos sobre el almacenamiento en caché para GPT-5 Nano. Los desarrolladores deben consultar la documentación de OpenAI para conocer sus políticas de caché. OrcaRouter no agrega su propia capa de caché; actúa como una pasarela transparente. Si el almacenamiento en caché está disponible, puede reducir significativamente los costos para aplicaciones con mensajes repetitivos, como el soporte al cliente automatizado o la generación basada en plantillas.
Para usar GPT-5 Nano, establezca la URL base en https://api.orcarouter.ai/v1 y especifique el ID del modelo como "openai/gpt-5-nano" en su solicitud de API. El endpoint es compatible con OpenAI, por lo que puede usar cualquier SDK de OpenAI o cliente HTTP. Una solicitud típica incluye parámetros como messages, max_tokens, temperature y stop sequences. OrcaRouter reenvía la solicitud a OpenAI y devuelve la respuesta sin procesamiento adicional. La autenticación se realiza mediante una clave API proporcionada por OrcaRouter. Esto facilita la migración para los usuarios que ya usan la API de OpenAI: solo cambie la URL base, el ID del modelo y la clave API.
Todos los parámetros estándar de completaciones de chat de OpenAI son compatibles a través del proxy de OrcaRouter – por ejemplo, messages (con roles: system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop y stream. Para entradas multimodales, puedes incluir los campos image_url o file_type en el arreglo content. El modelo también admite llamadas a funciones y herramientas, aunque estos no se detallan en los hechos proporcionados. Parámetros como n (número de completaciones) y logprobs también pueden estar disponibles. Consulta la documentación de la API de OpenAI para la lista completa. OrcaRouter no modifica ni restringe los parámetros.
Migrar a GPT-5 Nano es sencillo. Si actualmente usas la API de OpenAI, cambia la URL base a https://api.orcarouter.ai/v1, reemplaza tu clave de API por una clave de OrcaRouter, y configura el modelo como "openai/gpt-5-nano". El formato de las solicitudes sigue siendo idéntico. Quizás necesites ajustar temperature y max_tokens para adaptarlos al modelo más pequeño. Prueba con un subconjunto de tus indicaciones para evaluar la calidad de las respuestas. Dado que GPT-5 Nano tiene un número menor de parámetros, puede responder de manera diferente a las instrucciones; puede ser necesario ajustar las indicaciones. OrcaRouter no proporciona markup, por lo que las comparaciones de costos son directas.
GPT-4o es un modelo más grande y capaz, con puntuaciones de referencia más altas en la mayoría de los dominios (por ejemplo, MMLU, HumanEval), pero también con un precio más elevado. GPT-5 Nano está optimizado para el costo y la velocidad. La ventana de contexto de GPT-4o es actualmente más pequeña (128k tokens) que los 400k tokens de GPT-5 Nano, aunque GPT-4o ofrece un razonamiento y una creatividad más sólidos. Para tareas que requieren un contexto amplio o se centran en problemas matemáticos, GPT-5 Nano puede ser más adecuado. Para codificación compleja, conversaciones matizadas o tareas que exigen una alta precisión, GPT-4o es probablemente superior. La elección depende de su presupuesto y requisitos de rendimiento.
GPT-3.5 Turbo es un modelo antiguo más pequeño con precios comparables, pero una ventana de contexto mucho más pequeña (16k tokens) y sin soporte multimodal. GPT-5 Nano ofrece una ventana de contexto de 400k, salida de 128k y entradas de imágenes/archivos, lo que lo hace mucho más capaz para tareas multimodales y de documentos largos. Sin embargo, GPT-3.5 Turbo puede ser suficiente para interacciones cortas solo de texto y puede tener menor latencia debido a su manejo de contexto más pequeño. No hay comparaciones de referencia disponibles, pero la puntuación AA Math de 83.7 de GPT-5 Nano sugiere un mejor razonamiento matemático. Para tareas cortas de solo texto, GPT-3.5 Turbo sigue siendo una opción rentable.
GPT-4o Mini es una variante más pequeña de GPT-4o con soporte multimodal similar y una ventana de contexto de 128k tokens. GPT-5 Nano ofrece el triple de contexto (400k tokens) y un límite de salida mayor (128k frente a 16k de GPT-4o Mini). El precio de GPT-4o Mini (típicamente $0.15/M de entrada, $0.60/M de salida) es más alto que el de GPT-5 Nano ($0.05/$0.40). Sin embargo, GPT-4o Mini probablemente destaque en razonamiento general y seguimiento de instrucciones por ser una versión destilada de GPT-4o. El único punto de referencia fuerte de GPT-5 Nano (AA Math) sugiere que está especializado en matemáticas. Elija GPT-5 Nano para tareas con gran carga matemática y contexto extenso; elija GPT-4o Mini para capacidades más amplias.
Compatible con OpenAI: conserva tu SDK actual
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| Entrada / 1M tokens | $0.050 |
|---|---|
| Salida / 1M tokens | $0.400 |
| Lectura caché / 1M | $0.0050 |
| Moneda | USD |
Estimación según precio de lista
Solo una estimación: el número real de tokens depende del tokenizador del proveedor.
Compara los costes mensuales de los modelos en la calculadora de costes de LLM
De qué hablan los desarrolladores esta semana
GET /api/public/models/openai/gpt-5-nanoAbrir @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