GPT-5-Nano est la variante la plus petite et la plus rapide du système GPT-5, optimisée pour les outils de développement, les interactions rapides et les environnements à latence ultra-faible. Bien que limitée en profondeur de raisonnement par rapport à ses modèles plus grands...
GPT-5 Nano est un modèle à petite échelle de la famille GPT-5 d’OpenAI, optimisé pour une inférence à faible coût tout en conservant une grande fenêtre de contexte de 400 000 tokens et une sortie…
GPT-5 Nano accepte trois modalités d’entrée : texte, image et fichier. Les entrées textuelles sont simples. Les entrées image permettent au modèle de traiter des informations visuelles (par exemple, diagrammes, captures d’écran) et de répondre à des questions les concernant. Les entrées fichier permettent de joindre des PDF, des documents Word ou d’autres types de fichiers pour une analyse documentaire. Toutes les modalités peuvent être combinées dans une seule requête. Le modèle traite ces entrées dans sa fenêtre de contexte de 400 000 tokens. Notez que les tokens d’image sont déduits du budget de contexte ; une image haute résolution peut utiliser plusieurs milliers de tokens. Ce support multimodal rend GPT-5 Nano adapté à des tâches comme la lecture de graphiques, l’extraction de formulaires et l’analyse de contenu mixte.
Le modèle prend en charge une fenêtre de contexte de 400 000 tokens (incluant à la fois les tokens d’entrée et de sortie) et une sortie maximale de 128 000 tokens. Cela permet le traitement de documents très longs – par exemple, un texte de la longueur d’un livre ou un rapport de plusieurs pages – en une seule requête. La limite de sortie généreuse permet au modèle de produire des réponses longues, comme des résumés complets ou des analyses approfondies. Cependant, les grandes sorties entraînent également des coûts de tokens de sortie plus élevés, à 0,40 $ par million de tokens. Les développeurs devraient envisager de définir le paramètre max_tokens de manière appropriée pour éviter une escalade involontaire des coûts.
Compte tenu de ses performances solides en mathématiques (AA Math 83,7), le modèle excelle dans les problèmes de mots arithmétiques, le tutorat en mathématiques et le raisonnement quantitatif. Ses capacités multimodales le rendent utile pour interpréter des fiches d'exercices de mathématiques scannées, des diagrammes ou des graphiques. Son faible coût permet des applications à grand volume comme le support client automatisé, la catégorisation de contenu et l'extraction en temps réel de données à partir de fichiers. Pour la génération de texte simple (par exemple, des brouillons d'e-mails courts, des résumés à puces), GPT-5 Nano offre une alternative économique aux modèles plus grands. Il est moins adapté à la narration créative, à la génération de code ou aux tâches nécessitant un rappel factuel approfondi.
Si votre tâche est extrêmement simple (par exemple, classification d’un seul mot, questions oui/non) et ne nécessite pas le grand contexte ou le support multimodal, même des modèles plus petits ou moins chers comme GPT-3.5 Turbo d’OpenAI pourraient suffire. Le prix de GPT-5 Nano est déjà bas, mais pour des tâches qui impliquent uniquement des entrées et sorties courtes (par exemple, quelques jetons chacun), un modèle avec une tarification par jeton encore plus basse pourrait réduire davantage les coûts. De plus, si vous n’avez pas besoin du contexte de 400k, un modèle avec un contexte plus petit mais des frais généraux fixes plus faibles peut être plus économique. Évaluez toujours sur vos données pour trouver le meilleur compromis coût-performance.
GPT-5 Nano obtient un score de 83.7 sur AA Math, un benchmark mesurant la résolution de problèmes arithmétiques et mathématiques à un niveau scolaire primaire. Ce score indique une performance solide pour de telles tâches par rapport à la taille de son modèle. AA Math inclut l'addition, la soustraction, la multiplication, la division et des problèmes à plusieurs étapes. Le résultat de 83.7 suggère que le modèle peut traiter avec précision de nombreuses requêtes mathématiques courantes, bien qu'il puisse encore se tromper sur des problèmes plus complexes ou à plusieurs étapes. Aucun autre score de benchmark n'est fourni pour ce modèle, donc des comparaisons sur le codage, les connaissances générales ou le raisonnement ne sont pas disponibles.
Aucun chiffre de latence spécifique n'a été fourni pour GPT-5 Nano. Cependant, en tant que petit modèle, on s'attend généralement à ce qu'il soit plus rapide par token que des modèles plus grands comme GPT-4o. OrcaRouter sert le modèle via son API compatible OpenAI, et la latence réseau dépend de l'emplacement de l'utilisateur et de l'infrastructure du fournisseur. Pour les applications en temps réel, il est recommandé de tester la latence avec des entrées représentatives. Le faible nombre de paramètres du modèle permet généralement un débit plus élevé sur le même matériel, ce qui peut réduire les temps d'attente en production, en particulier sous forte concurrence.
En se basant sur le score AA Math de 83,7, GPT-5 Nano est performant en raisonnement mathématique et en arithmétique. Cela le rend adapté aux outils éducatifs, à l'analyse de données et à toute tâche impliquant un traitement numérique structuré. Sa capacité à traiter des images et des fichiers renforce sa pertinence pour les problèmes mathématiques centrés sur des documents. Ses points faibles incluent l'absence de repères dans d'autres domaines comme le codage (HumanEval), les connaissances générales (MMLU) ou la fluidité conversationnelle. Les utilisateurs ne doivent pas supposer des performances équivalentes dans des tâches non mathématiques. Le modèle peut également être moins capable de comprendre un contexte subtil ou de générer du contenu créatif long.
Sans repères pour le raisonnement, le codage ou le bon sens, l’intelligence générale de GPT-5 Nano ne peut être quantifiée. Son score de 83,7 en AA Math, bien que respectable, ne garantit pas une compétence dans d’autres domaines. Le modèle étant petit, il peut produire davantage d’erreurs factuelles ou des résultats moins cohérents sur des sujets ambigus par rapport à des modèles plus grands. Son contexte de 400 000 tokens est vaste, mais une utilisation efficace de ce contexte peut nécessiter un ingénierie de prompt minutieuse. L’absence de vitesse fournie signifie que la latence réelle doit être vérifiée. Les utilisateurs doivent effectuer leurs propres évaluations sur des métriques spécifiques aux tâches avant le déploiement.
Le GPT-5 Nano est facturé à 0,05 $ par million de tokens d'entrée et 0,40 $ par million de tokens de sortie. Ces tarifs sont fixés par OpenAI et répercutés par OrcaRouter sans marge. Les tokens d'entrée incluent le prompt et tout token d'image ou de fichier. Les tokens de sortie sont la réponse générée. Les deux directions sont facturées en fonction du nombre de tokens. Pour un prompt typique de 1 000 tokens et une réponse de 500 tokens, le coût serait d'environ 0,00005 $ (entrée) + 0,0002 $ (sortie) = 0,00025 $ par requête. Ceci est compétitif pour un modèle avec une fenêtre de contexte de 400k et une sortie de 128k.
Bien que GPT-5 Nano soit peu coûteux, les tokens de sortie coûtent huit fois plus cher que les tokens d'entrée (0,40 $ contre 0,05 $ par 1M). Pour les applications qui génèrent de longues réponses (par exemple, 10k+ tokens de sortie), les coûts de sortie peuvent dominer. Les développeurs devraient limiter max_tokens au minimum nécessaire. Les tokens d'entrée provenant d'images et de fichiers sont facturés au même tarif d'entrée, mais les images haute résolution consomment de nombreux tokens (par exemple, une image de 1 mégapixel peut utiliser ~2 000 tokens). L'utilisation d'une résolution inférieure ou la réduction du nombre d'images peuvent réduire les coûts. La grande fenêtre de contexte encourage les longues invites, mais chaque token supplémentaire ajoute un coût. Équilibrez la taille du contexte avec le budget de tokens.
OrcaRouter transmet la tarification d'OpenAI sans majoration, mais les politiques de mise en cache sont déterminées par OpenAI. Le fournisseur peut proposer une mise en cache pour les préfixes d'entrée identiques et répétés, ce qui réduirait les frais de jetons d'entrée. Cependant, aucun détail spécifique concernant la mise en cache pour GPT-5 Nano n'a été fourni. Les développeurs devraient consulter la documentation d'OpenAI pour leurs politiques de mise en cache. OrcaRouter n'ajoute pas sa propre couche de mise en cache ; il agit comme une passerelle transparente. Si la mise en cache est disponible, elle peut réduire considérablement les coûts pour les applications avec des invites répétitives, telles que le support client automatisé ou la génération basée sur des modèles.
Pour utiliser GPT-5 Nano, définissez l'URL de base sur https://api.orcarouter.ai/v1 et spécifiez l'ID du modèle comme "openai/gpt-5-nano" dans votre requête API. Le point de terminaison est compatible OpenAI, vous pouvez donc utiliser n'importe quel SDK OpenAI ou client HTTP. Une requête typique inclut des paramètres comme messages, max_tokens, temperature et stop sequences. OrcaRouter transmet la requête à OpenAI et renvoie la réponse sans traitement supplémentaire. L'authentification se fait via une clé API fournie par OrcaRouter. Cela simplifie la migration pour les utilisateurs qui utilisent déjà l'API d'OpenAI : il suffit de modifier l'URL de base, l'ID du modèle et la clé API.
Tous les paramètres standard des complétions de chat OpenAI sont pris en charge via le proxy d’OrcaRouter – par exemple, messages (avec rôles : system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop, et stream. Pour les entrées multimodales, vous pouvez inclure les champs image_url ou file_type dans le tableau de contenu. Le modèle prend également en charge l’appel de fonctions et les outils, bien que ceux-ci ne soient pas détaillés dans les faits fournis. Des paramètres comme n (nombre de complétions) et logprobs peuvent également être disponibles. Consultez la documentation de l’API OpenAI pour la liste complète. OrcaRouter ne modifie ni ne restreint les paramètres.
Migrer vers GPT-5 Nano est simple. Si vous utilisez actuellement l’API d’OpenAI, remplacez l’URL de base par https://api.orcarouter.ai/v1, remplacez votre clé API par une clé OrcaRouter, et définissez le modèle sur « openai/gpt-5-nano ». Le format des requêtes reste identique. Vous devrez peut-être ajuster temperature et max_tokens pour l’adapter au modèle plus petit. Testez avec un sous-ensemble de vos prompts pour évaluer la qualité des réponses. Comme GPT-5 Nano a un nombre de paramètres plus faible, il peut répondre différemment aux instructions ; un ajustement des prompts peut être nécessaire. OrcaRouter n’ajoute aucun balisage, les comparaisons de coûts sont donc directes.
GPT-4o est un modèle plus grand et plus performant avec des scores de référence plus élevés dans la plupart des domaines (par exemple, MMLU, HumanEval) mais aussi un prix plus élevé. GPT-5 Nano est optimisé pour le coût et la vitesse. La fenêtre de contexte de GPT-4o est actuellement plus petite (128k tokens) que celle de GPT-5 Nano (400k tokens), bien que GPT-4o offre un raisonnement et une créativité plus forts. Pour les tâches nécessitant un grand contexte ou axées sur les problèmes de mathématiques, GPT-5 Nano peut être plus approprié. Pour le codage complexe, les conversations nuancées ou les tâches exigeant une grande précision, GPT-4o est probablement supérieur. Le choix dépend de votre budget et de vos exigences de performance.
GPT-3.5 Turbo est un modèle plus ancien et plus petit avec un prix comparable mais une fenêtre de contexte beaucoup plus petite (16k tokens) et aucun support multimodal. GPT-5 Nano offre une fenêtre de contexte de 400k, une sortie de 128k et des entrées d'images/fichiers, ce qui le rend bien plus performant pour les tâches de longs documents et multimodales. Cependant, GPT-3.5 Turbo peut être suffisant pour des interactions courtes et purement textuelles et pourrait avoir une latence plus faible grâce à sa gestion de contexte plus petite. Les comparaisons de référence ne sont pas disponibles, mais le score AA Math de 83.7 de GPT-5 Nano suggère un meilleur raisonnement mathématique. Pour des tâches courtes purement textuelles, GPT-3.5 Turbo reste une option économique.
GPT-4o Mini est une variante plus petite de GPT-4o avec une prise en charge multimodale similaire et une fenêtre de contexte de 128k tokens. GPT-5 Nano offre le triple de la fenêtre de contexte (400k tokens) et une limite de sortie plus grande (128k contre 16k pour GPT-4o Mini). Le prix de GPT-4o Mini (généralement 0,15 $/M en entrée, 0,60 $/M en sortie) est plus élevé que celui de GPT-5 Nano (0,05 $/0,40 $). Cependant, GPT-4o Mini excelle probablement dans le raisonnement général et le suivi d’instructions, car il s’agit d’une version distillée de GPT-4o. L’unique référence solide de GPT-5 Nano (AA Math) suggère qu’il est spécialisé en mathématiques. Choisissez GPT-5 Nano pour les tâches axées sur les mathématiques avec un grand contexte ; choisissez GPT-4o Mini pour des capacités plus larges.
Compatible OpenAI — gardez votre SDK actuel
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| Entrée / 1M tokens | $0.050 |
|---|---|
| Sortie / 1M tokens | $0.400 |
| Lecture cache / 1M | $0.0050 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
Comparer les coûts mensuels des modèles dans le calculateur de coûts LLM
Ce dont parlent les développeurs cette semaine
GET /api/public/models/openai/gpt-5-nanoOuvrir @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