OpenAI GPT-5 Nano: 400K de contexto, 83.7 AA Math, entrada de texto/imagen/archivo, $0.05/M tokens de entrada a través de OrcaRouter.
OpenAI GPT-5 Nano (lanzamiento el 2025-08-07) es un miembro más pequeño y optimizado en costos de la familia GPT-5. Ofrece una ventana de contexto de 400,000 tokens, suficiente para procesar…
GPT‑5 Nano acepta entradas de texto, imagen y archivos, lo que le permite razonar sobre una combinación de formatos. Su contexto de 400 000 tokens puede albergar cientos de páginas de texto junto con imágenes incrustadas o documentos adjuntos. El modelo puede generar hasta 128 000 tokens en una sola respuesta, adecuado para resultados analíticos extensos, generación de código o demostraciones matemáticas de varios pasos. Su puntuación AA Math de 83,7 demuestra un sólido razonamiento aritmético y lógico. Los casos de uso comunes incluyen el resumen de documentos largos, la anotación de imagen a texto, la extracción de datos basada en archivos y la resolución de problemas educativos donde se requiere tanto la comprensión de gráficos como el contexto textual.
Los mejores casos de uso aprovechan el amplio contexto del modelo y la entrada multimodal sin exigir el máximo rendimiento de referencia. Ejemplo: procesar un contrato legal de 300 páginas más anexos adjuntos (imágenes de firmas, tablas) para extraer obligaciones. Otro: analizar un artículo de investigación extenso con figuras, luego escribir una crítica de 10,000 palabras. En educación, GPT-5 Nano puede resolver un problema matemático complejo paso a paso, utilizando imágenes de ecuaciones escritas a mano. Para tuberías de datos, puede ingerir PDFs e imágenes, generando datos estructurados. Estas tareas se benefician del bajo costo de entrada ($0.05/M tokens) y la capacidad de manejar archivos directamente.
Si su aplicación nunca requiere más de, digamos, 8.000 tokens de contexto y no necesita entradas de imagen o archivo, un modelo más pequeño y económico (por ejemplo, GPT‑4 Mini con un costo de token más bajo) sería más rentable. Del mismo modo, si sus salidas siempre son muy cortas (por ejemplo, clasificaciones de una sola palabra), pagar $0,40 por 1M de tokens de salida puede ser un desperdicio; considere un modelo optimizado para clasificación con un costo de salida menor. GPT‑5 Nano es más rentable cuando realmente necesita su ventana de contexto de 400K o sus capacidades multimodales; de lo contrario, los modelos más simples le ahorrarán dinero.
El benchmark AA Math evalúa el razonamiento matemático: resolución de aritmética, álgebra y problemas de palabras. Una puntuación de 83.7 indica que GPT-5 Nano resolvió correctamente el 83.7% de las tareas en este benchmark. Este es un rendimiento sólido para un modelo “nano”, lo que implica que puede manejar de manera confiable matemáticas desde nivel escolar hasta principios de secundaria, incluyendo problemas de varios pasos. Compárelo con modelos más grandes que pueden obtener puntuaciones superiores a 90 pero con un costo mayor por token. La puntuación confirma que, para razonamiento matemático, GPT-5 Nano ofrece un buen equilibrio entre costo y precisión para muchas aplicaciones.
Las cifras de latencia para GPT-5 Nano no han sido divulgadas públicamente por OpenAI hasta la fecha de lanzamiento del 2025-08-07. En la práctica, la velocidad depende de factores como el recuento total de tokens, la carga de solicitudes y la infraestructura de OrcaRouter. Debido a que Nano es un modelo más pequeño en comparación con las variantes grandes, probablemente tenga una latencia por token más baja, pero no se dispone de cifras exactas. OrcaRouter maneja las solicitudes de forma asíncrona con configuraciones de tiempo de espera estándar. Para aplicaciones en tiempo real sensibles a la latencia, recomendamos realizar pruebas comparativas con su carga útil típica (incluyendo imágenes/archivos) a través de la API de OrcaRouter para evaluar su idoneidad.
Fortalezas: Contexto largo (400K tokens), entrada multimodal (texto/imagen/archivo), gran capacidad de salida (128K tokens), sólido razonamiento matemático (83.7 AA Math) y bajo costo por token. Limitaciones: No es el modelo de mejor rendimiento en otros puntos de referencia (no se proporcionan puntuaciones para tareas de codificación, razonamiento o conocimiento). Su menor cantidad de parámetros probablemente implica dificultades con tareas altamente matizadas o creativas. Además, la latencia no está garantizada; no admite entrada de audio o video. La calidad de salida puede degradarse en generaciones muy largas cerca del límite de 128K. Para tareas que requieren puntuaciones de última generación, considere modelos GPT-5 más grandes.
El precio se basa en el uso de tokens, cobrados a la tarifa del proveedor OpenAI sin margen adicional. Tokens de entrada: $0.05 por 1 millón de tokens. Tokens de salida: $0.40 por 1 millón de tokens. OrcaRouter transmite estas tarifas exactas. Para una conversación típica que utiliza 100,000 tokens de entrada (incluyendo imágenes tokenizadas como parte de la entrada) y 10,000 tokens de salida, el costo sería ($0.05 × 0.1) + ($0.40 × 0.01) = $0.005 + $0.004 = $0.009 (menos de un centavo). La facturación se mide a nivel de tokens; puede establecer límites de gasto a través del panel de control de OrcaRouter.
La principal ventaja de GPT-5 Nano es el bajo costo de entrada en relación con su tamaño de contexto. Por ejemplo, procesar un documento de 400K tokens cuesta solo $0.02 de entrada (400K / 1M × $0.05). Los tokens de salida son más caros por token, por lo que si su aplicación genera respuestas muy largas, el costo de salida puede dominar. Por ejemplo, una salida de 100K tokens cuesta $0.04 (100K / 1M × $0.40). Evalúe su relación promedio de entrada a salida. Si las salidas son cortas pero las entradas son enormes, Nano es extremadamente barato. Si las salidas se acercan a 128K, considere si existe un modelo con una tasa de salida más barata para su tarea específica.
OrcaRouter no revela mecanismos específicos de almacenamiento en caché para modelos individuales. Se aplican las mejores prácticas estándar de la API: reutilice las respuestas a nivel de aplicación cuando sea apropiado y minimice el consumo redundante de tokens. Tenga en cuenta que, debido a que GPT-5 Nano admite entradas de archivos e imágenes (que se tokenizan), cada archivo o imagen único cuenta como nuevos tokens de entrada. No se admite el almacenamiento en caché de contenido tokenizado a nivel de API. Para optimizar costos, puede almacenar en caché las partes de texto de sus prompts del lado del cliente y evitar reenviar contextos largos idénticos si la respuesta del modelo es determinista y usted controla temperature=0.
Usa el endpoint de API compatible con OpenAI: base URL https://api.orcarouter.ai/v1, ID del modelo "openai/gpt-5-nano-2025-08-07". Ejemplo con 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": "Resuelve este problema matemático."},{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]}], "max_tokens": 512 }' Todos los parámetros estándar (temperature, top_p, stop, frequency_penalty, etc.) son compatibles. Las entradas de archivo pueden estar codificadas en base64 o basadas en URL.
GPT-5 Nano admite los parámetros estándar de completaciones de chat: model (obligatorio, usa el ID exacto), messages (arreglo de objetos de mensaje), max_tokens (hasta 128000), temperature (0–2, predeterminado 1), top_p (0–1, predeterminado 1), n (número de completaciones, predeterminado 1), stop (cadena o arreglo), frequency_penalty, presence_penalty, user (identificador único para seguimiento) y logit_bias. Para entradas de imagen y archivo, usa objetos de contenido con tipo "image_url" (para imágenes) o "file" (para archivos adjuntos, si es compatible — consulta la documentación de OrcaRouter). Parámetros como tools, tool_choice y response_format están disponibles cuando el modelo admite salida estructurada.
La migración es sencilla porque OrcaRouter implementa el mismo esquema compatible con OpenAI. Solo hay que cambiar dos cosas: 1) Establece la URL base a https://api.orcarouter.ai/v1; 2) Reemplaza tu clave API de OpenAI por una clave API de OrcaRouter (obténla desde el panel de OrcaRouter). Mantén sin cambios el resto de los cuerpos de solicitud, incluidos los IDs de modelo con formato "openai/gpt-5-nano-2025-08-07". OrcaRouter maneja el enrutamiento y la facturación. No se necesitan cambios en el código más allá del endpoint y la clave. Prueba con una sola solicitud para confirmar la conectividad y el registro del uso de tokens.
Para archivos de entrada, incluya un objeto de contenido con tipo "file" y proporcione los datos del archivo como codificación base64 o una URL pública. OrcaRouter acepta el mismo esquema que la API de OpenAI. Ejemplo de contenido de mensaje: [{"type": "text", "text": "Summarize this PDF"}, {"type": "file", "file": {"url": "..."}}]. El costo tokenizado de los archivos depende de su tamaño y complejidad (las imágenes se cuentan como tokens de entrada proporcionales a la resolución). Asegúrese de que su contexto total (tokens de texto+imagen+archivo) se mantenga por debajo de 400,000. Para archivos muy grandes, considere dividirlos previamente o usar una estrategia diferente.
GPT-5 Nano ofrece una ventana de contexto más grande (400K frente a los típicos 128K de GPT‑4 Mini) y entrada multimodal (texto/imagen/archivo en lugar de solo texto en muchas variantes de Mini). Su costo es menor: $0.05/$0.40 por M tokens frente a las tarifas de GPT‑4 Mini que suelen ser más altas para la salida. Sin embargo, GPT‑4 Mini puede ofrecer una inferencia más rápida (aunque las cifras de latencia no se publican para ninguno). La puntuación AA Math de GPT‑5 Nano (83.7) es competitiva o supera el rendimiento matemático de GPT‑4 Mini. Para tareas de contexto largo y multimodales, Nano es la opción clara; para texto genérico corto, Mini puede seguir siendo rentable.
GPT-5 Pro es el gran modelo insignia de OpenAI con puntuaciones de referencia más altas en general, pero también con un precio de token más alto (no se proporcionan las tarifas exactas). Pro probablemente tiene una ventana de contexto más pequeña (se rumorea que de 128K) pero mejor razonamiento, codificación y creatividad. GPT-5 Nano intercambia algo de precisión y capacidades por un precio mucho más bajo y un contexto más largo. Si tu prioridad es la máxima calidad en tareas difíciles, elige Pro. Si necesitas procesar grandes cantidades de datos de manera económica y puedes aceptar una precisión moderada, Nano es superior. Ambos son accesibles a través de OrcaRouter con el mismo formato de API.
OrcaRouter proporciona acceso a muchos modelos. Las alternativas incluyen modelos más grandes de OpenAI (GPT‑5 Pro) para mayor precisión, modelos más pequeños (GPT‑4 Mini) para texto simple, o modelos de terceros como Claude de Anthropic o Llama de Meta. Cada uno tiene diferentes ventanas de contexto, precios y soporte de modalidad. Por ejemplo, Claude 3 Haiku puede ofrecer mayor velocidad pero sin entrada de imágenes. Puedes comparar costos por token en la página de precios de OrcaRouter. GPT-5 Nano se destaca específicamente por su combinación de contexto de 400K, entrada multi‑modal y bajo costo de entrada—lo que lo hace único entre los modelos ligeros.
GPT-5 Nano, al igual que otros modelos de OpenAI a los que se accede mediante API, no entrena con tus datos por defecto (aplica la política de uso de datos de la API de OpenAI). OrcaRouter actúa como proxy y no almacena tus indicaciones o respuestas más allá de lo necesario para la facturación y el registro de solicitudes (sujeto a su política de privacidad). Ambos proveedores se comprometen a no usar los datos de la API para mejorar el modelo a menos que tú optes por ello. Para datos sensibles, considera usar un modelo local o dedicado. El manejo de datos de GPT‑5 Nano es idéntico al de otros modelos de la API de OpenAI—sin retención adicional de datos por parte de OrcaRouter.
Compatible con OpenAI: conserva tu SDK actual
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| 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.
GET /api/public/models/openai/gpt-5-nano-2025-08-07Abrir @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