GPT-5-Nano adalah varian terkecil dan tercepat dalam sistem GPT-5, dioptimalkan untuk alat pengembang, interaksi cepat, dan lingkungan dengan latensi sangat rendah. Meskipun terbatas dalam kedalaman penalaran dibandingkan dengan varian yang lebih besar...
GPT-5 Nano adalah model skala kecil dalam keluarga GPT-5 milik OpenAI, yang dioptimalkan untuk inferensi berbiaya rendah sambil mempertahankan jendela konteks besar sebanyak 400.000 token dan output…
GPT-5 Nano menerima tiga modalitas input: teks, gambar, dan file. Input teks bersifat langsung. Input gambar memungkinkan model memproses informasi visual (misalnya diagram, tangkapan layar) dan menjawab pertanyaan tentangnya. Input file memungkinkan Anda melampirkan PDF, dokumen Word, atau jenis file lain untuk analisis tingkat dokumen. Semua modalitas dapat digabungkan dalam satu permintaan. Model memproses input ini dalam jendela konteks 400.000 token. Perhatikan bahwa token gambar menggunakan anggaran konteks; gambar beresolusi tinggi dapat menggunakan beberapa ribu token. Dukungan multimodal ini membuat GPT-5 Nano cocok untuk tugas seperti pembacaan bagan, ekstraksi formulir, dan analisis media campuran.
Model ini mendukung jendela konteks sebanyak 400.000 token (termasuk token input dan output) dan output maksimum 128.000 token. Hal ini memungkinkan pemrosesan dokumen yang sangat panjang – misalnya, teks sepanjang buku atau laporan multi-halaman – dalam satu permintaan. Batas output yang besar berarti model dapat menghasilkan respons yang panjang, seperti ringkasan lengkap atau analisis yang diperluas. Namun, output yang besar juga menimbulkan biaya token output yang lebih tinggi sebesar $0,40 per 1 juta token. Pengembang harus mempertimbangkan pengaturan parameter max_tokens dengan tepat untuk menghindari eskalasi biaya yang tidak diinginkan.
Dengan tolok ukur matematika yang kuat (AA Math 83,7), model ini unggul dalam soal cerita aritmetika, bimbingan belajar matematika, dan penalaran kuantitatif. Kemampuan multimodalnya membuatnya berguna untuk menafsirkan lembar kerja matematika yang dipindai, diagram, atau grafik. Harga yang rendah mendukung aplikasi volume tinggi seperti dukungan pelanggan otomatis, kategorisasi konten, dan ekstraksi data real-time dari file. Untuk pembuatan teks sederhana (misalnya, draf email pendek, ringkasan poin-poin), GPT-5 Nano menyediakan alternatif yang hemat biaya dibandingkan model yang lebih besar. Model ini kurang cocok untuk penceritaan kreatif, pembuatan kode, atau tugas yang memerlukan ingatan faktual yang mendalam.
Jika tugas Anda sangat sederhana (misalnya, klasifikasi kata tunggal, pertanyaan ya/tidak) dan tidak memerlukan konteks besar atau dukungan multimodal, model yang lebih kecil atau lebih murah seperti GPT-3.5 Turbo dari OpenAI mungkin sudah cukup. Harga GPT-5 Nano sudah rendah, tetapi untuk tugas yang hanya melibatkan input dan output singkat (misalnya, masing-masing beberapa token), model dengan harga per token yang lebih rendah dapat mengurangi biaya lebih lanjut. Selain itu, jika Anda tidak memerlukan konteks 400k, model dengan konteks lebih kecil tetapi overhead tetap yang lebih rendah mungkin lebih ekonomis. Selalu lakukan benchmark pada data Anda untuk menemukan trade-off biaya-kinerja terbaik.
GPT-5 Nano mencapai skor 83,7 pada AA Math, sebuah tolok ukur yang mengukur kemampuan menyelesaikan soal aritmetika dan soal cerita matematika setingkat sekolah dasar. Skor ini menunjukkan kinerja yang kuat untuk tugas-tugas tersebut relatif terhadap ukuran modelnya. AA Math mencakup penjumlahan, pengurangan, perkalian, pembagian, dan soal cerita multi-langkah. Hasil 83,7 menunjukkan bahwa model ini dapat menangani banyak pertanyaan matematika umum dengan akurat, meskipun mungkin masih melakukan kesalahan pada soal yang lebih kompleks atau multi-langkah. Tidak ada skor tolok ukur lain yang diberikan untuk model ini, sehingga perbandingan terkait pengkodean, pengetahuan umum, atau penalaran tidak tersedia.
Tidak ada angka latensi spesifik yang diberikan untuk GPT-5 Nano. Namun, sebagai model kecil, biasanya diperkirakan lebih cepat per token dibandingkan model yang lebih besar seperti GPT-4o. OrcaRouter menyajikan model melalui API yang kompatibel dengan OpenAI, dan latensi jaringan bergantung pada lokasi pengguna serta infrastruktur penyedia. Untuk aplikasi real-time, disarankan untuk menguji latensi dengan input yang representatif. Jumlah parameter model yang kecil biasanya memungkinkan throughput yang lebih tinggi pada perangkat keras yang sama, yang dapat mengurangi waktu tunggu di lingkungan produksi, terutama di bawah konkurensi tinggi.
Berdasarkan skor AA Math sebesar 83.7 yang diberikan, GPT-5 Nano kuat dalam penalaran matematika dan aritmetika. Hal ini membuatnya cocok untuk alat pendidikan, analisis data, dan tugas apa pun yang melibatkan pemrosesan numerik terstruktur. Kemampuannya untuk menangani gambar dan file semakin mendukung masalah matematika yang berpusat pada dokumen. Kelemahannya termasuk tidak adanya tolok ukur di domain lain seperti pengkodean (HumanEval), pengetahuan umum (MMLU), atau kefasihan percakapan. Pengguna tidak boleh berasumsi kinerja yang sama dalam tugas non-matematika. Model ini mungkin juga kurang mampu memahami konteks halus atau menghasilkan konten kreatif bentuk panjang.
Tanpa tolok ukur untuk penalaran, pengodean, atau akal sehat, kecerdasan umum GPT-5 Nano tidak dapat diukur. Skor AA Math sebesar 83,7, meskipun terhormat, tidak menjamin kemahiran di bidang lain. Model ini berukuran kecil, sehingga mungkin menghasilkan lebih banyak kesalahan faktual atau keluaran yang kurang koheren pada topik ambigu dibandingkan model yang lebih besar. Jendela konteks 400k miliknya tergolong besar, tetapi memanfaatkan konteks tersebut secara efektif mungkin memerlukan rekayasa prompt yang cermat. Tidak adanya peringkat kecepatan yang disertakan berarti latensi dunia nyata harus diverifikasi. Pengguna harus melakukan evaluasi sendiri pada metrik spesifik tugas sebelum penerapan.
GPT-5 Nano dihargai sebesar $0,05 per 1 juta token masukan dan $0,40 per 1 juta token keluaran. Tarif ini ditetapkan oleh OpenAI dan diteruskan oleh OrcaRouter tanpa markup. Token masukan mencakup prompt serta token gambar atau file. Token keluaran adalah respons yang dihasilkan. Kedua arah ditagih berdasarkan jumlah token. Untuk tipikal prompt 1.000 token dan respons 500 token, biayanya sekitar $0,00005 (masukan) + $0,0002 (keluaran) = $0,00025 per permintaan. Ini kompetitif untuk model dengan jendela konteks 400k dan keluaran 128k.
Meskipun GPT-5 Nano murah, token keluaran harganya delapan kali lebih mahal daripada token masukan ($0.40 vs $0.05 per 1M). Untuk aplikasi yang menghasilkan respons panjang (misalnya, 10k+ token keluaran), biaya keluaran dapat mendominasi. Pengembang harus membatasi max_tokens ke jumlah minimum yang diperlukan. Token masukan dari gambar dan file ditagih dengan tarif masukan yang sama, namun gambar beresolusi tinggi mengonsumsi banyak token (misalnya, gambar 1-megapiksel dapat menggunakan ~2.000 token). Menggunakan resolusi lebih rendah atau mengurangi jumlah gambar dapat menurunkan biaya. Jendela konteks yang besar mendorong prompt panjang, namun setiap token tambahan menambah biaya. Seimbangkan ukuran konteks dengan anggaran token.
OrcaRouter meneruskan harga OpenAI tanpa markup, tetapi kebijakan caching ditentukan oleh OpenAI. Penyedia mungkin menawarkan caching untuk prefiks input identik yang berulang, yang akan mengurangi biaya token input. Namun, tidak ada detail spesifik tentang caching untuk GPT-5 Nano yang diberikan. Pengembang harus memeriksa dokumentasi OpenAI untuk kebijakan caching mereka. OrcaRouter tidak menambahkan lapisan caching sendiri; ia bertindak sebagai gerbang transparan. Jika caching tersedia, ini dapat secara signifikan menurunkan biaya untuk aplikasi dengan prompt berulang, seperti dukungan pelanggan otomatis atau pembuatan berbasis template.
Untuk menggunakan GPT-5 Nano, atur base URL ke https://api.orcarouter.ai/v1 dan tentukan model ID sebagai "openai/gpt-5-nano" dalam permintaan API Anda. Endpoint ini kompatibel dengan OpenAI, sehingga Anda dapat menggunakan SDK OpenAI atau klien HTTP apa pun. Permintaan umum mencakup parameter seperti messages, max_tokens, temperature, dan stop sequences. OrcaRouter meneruskan permintaan ke OpenAI dan mengembalikan respons tanpa pemrosesan tambahan. Autentikasi dilakukan melalui kunci API yang disediakan oleh OrcaRouter. Hal ini memudahkan migrasi bagi pengguna yang sudah menggunakan API OpenAI: cukup ubah base URL, model ID, dan kunci API.
Semua parameter standar OpenAI chat completions didukung melalui proxy OrcaRouter – misalnya, messages (dengan peran: system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop, dan stream. Untuk input multimodal, Anda dapat menyertakan kolom image_url atau file_type dalam array content. Model ini juga mendukung function calling dan tools, meskipun hal ini tidak dirinci dalam fakta yang disediakan. Parameter seperti n (jumlah completions) dan logprobs mungkin juga tersedia. Lihat dokumentasi API OpenAI untuk daftar lengkap. OrcaRouter tidak mengubah atau membatasi parameter.
Migrasi ke GPT-5 Nano cukup mudah. Jika Anda saat ini menggunakan API OpenAI, ubah base URL menjadi https://api.orcarouter.ai/v1, ganti kunci API Anda dengan kunci OrcaRouter, dan atur model ke "openai/gpt-5-nano". Format permintaan tetap identik. Anda mungkin perlu menyesuaikan temperature dan max_tokens agar sesuai dengan model yang lebih kecil. Uji dengan subset prompt Anda untuk mengevaluasi kualitas output. Karena GPT-5 Nano memiliki jumlah parameter yang lebih kecil, mungkin akan merespons instruksi secara berbeda; penyesuaian prompt mungkin diperlukan. OrcaRouter tidak menyediakan markup, sehingga perbandingan biaya bersifat langsung.
GPT-4o adalah model yang lebih besar dan lebih mampu dengan skor tolok ukur yang lebih tinggi di sebagian besar domain (misalnya, MMLU, HumanEval) tetapi juga dengan harga yang lebih tinggi. GPT-5 Nano dioptimalkan untuk biaya dan kecepatan. Jendela konteks GPT-4o saat ini lebih kecil (128k token) dibandingkan dengan 400k token milik GPT-5 Nano, meskipun GPT-4o menawarkan penalaran dan kreativitas yang lebih kuat. Untuk tugas yang membutuhkan konteks besar atau fokus pada masalah matematika, GPT-5 Nano mungkin lebih sesuai. Untuk pengkodean kompleks, percakapan bernuansa, atau tugas yang menuntut akurasi tinggi, GPT-4o kemungkinan lebih unggul. Pilihan tergantung pada anggaran dan kebutuhan kinerja Anda.
GPT-3.5 Turbo adalah model kecil lama dengan harga yang sebanding tetapi jendela konteks yang jauh lebih kecil (16 ribu token) dan tanpa dukungan multimodal. GPT-5 Nano menawarkan jendela konteks 400 ribu, keluaran 128 ribu, serta input gambar/berkas, menjadikannya jauh lebih mampu untuk tugas dokumen panjang dan multimodal. Namun, GPT-3.5 Turbo mungkin cukup untuk interaksi pendek hanya teks dan mungkin memiliki latensi lebih rendah karena penanganan konteks yang lebih kecil. Perbandingan tolok ukur tidak tersedia, tetapi skor AA Math GPT-5 Nano sebesar 83.7 menunjukkan penalaran matematika yang lebih baik. Untuk tugas pendek murni teks, GPT-3.5 Turbo tetap menjadi opsi hemat biaya.
GPT-4o Mini adalah varian yang lebih kecil dari GPT-4o dengan dukungan multimodal serupa dan jendela konteks 128k token. GPT-5 Nano menawarkan tiga kali lipat konteks (400k token) dan batas keluaran yang lebih besar (128k vs 16k untuk GPT-4o Mini). Harga GPT-4o Mini (biasanya $0,15/M input, $0,60/M output) lebih tinggi dibandingkan $0,05/$0,40 milik GPT-5 Nano. Namun, GPT-4o Mini kemungkinan unggul dalam penalaran umum dan mengikuti instruksi karena merupakan versi sulingan dari GPT-4o. Satu tolok ukur kuat GPT-5 Nano (AA Math) menunjukkan bahwa model ini dikhususkan untuk matematika. Pilih GPT-5 Nano untuk tugas-tugas berat matematika dengan konteks besar; pilih GPT-4o Mini untuk kemampuan yang lebih luas.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Input / 1M token | $0.050 |
|---|---|
| Output / 1M token | $0.400 |
| Baca cache / 1M | $0.0050 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/openai/gpt-5-nanoBuka @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