GPT-5-Nano è la variante più piccola e veloce del sistema GPT-5, ottimizzata per strumenti per sviluppatori, interazioni rapide e ambienti a latenza ultra-bassa. Sebbene limitata in profondità di ragionamento rispetto ai suoi modelli più grandi...
GPT-5 Nano è un modello su piccola scala della famiglia GPT-5 di OpenAI, ottimizzato per inferenza a basso costo pur mantenendo una finestra di contesto ampia di 400.000 token e un output massimo di…
GPT-5 Nano accetta tre modalità di input: testo, immagine e file. Gli input di testo sono semplici. Gli input di immagine consentono al modello di elaborare informazioni visive (es. diagrammi, screenshot) e rispondere a domande su di essi. Gli input di file ti permettono di allegare PDF, documenti Word o altri tipi di file per un'analisi a livello di documento. Tutte le modalità possono essere combinate in una singola richiesta. Il modello elabora questi input all'interno della sua finestra di contesto di 400.000 token. Si noti che i token delle immagini consumano il budget del contesto; un'immagine ad alta risoluzione può utilizzare diverse migliaia di token. Questo supporto multimodale rende GPT-5 Nano adatto a compiti come la lettura di grafici, l'estrazione di moduli e l'analisi di media misti.
Il modello supporta una finestra di contesto di 400.000 token (inclusi sia token di input che di output) e un output massimo di 128.000 token. Ciò consente di elaborare documenti molto lunghi – ad esempio, un testo di dimensioni librarie o un report multipagina – in una singola richiesta. Il generoso limite di output permette al modello di produrre risposte estese, come riassunti completi o analisi approfondite. Tuttavia, output di grandi dimensioni comportano anche costi più elevati per i token di output, pari a $0,40 per 1 milione di token. Gli sviluppatori dovrebbero considerare di impostare opportunamente il parametro max_tokens per evitare un aumento imprevisto dei costi.
Considerando il suo forte benchmark matematico (AA Math 83.7), il modello eccelle in problemi aritmetici testuali, tutoraggio di matematica e ragionamento quantitativo. Le sue capacità multimodali lo rendono utile per interpretare fogli di esercizi di matematica scansionati, diagrammi o grafici. Il basso costo supporta applicazioni ad alto volume come assistenza clienti automatizzata, categorizzazione di contenuti ed estrazione di dati in tempo reale da file. Per la generazione di testo semplice (ad esempio brevi bozze di email, riassunti a punti elenco), GPT-5 Nano offre un'alternativa economica a modelli più grandi. È meno adatto per storytelling creativo, generazione di codice o attività che richiedono un recupero approfondito di fatti.
Se il tuo compito è estremamente semplice (ad esempio, classificazione a parola singola, domande sì/no) e non richiede un contesto ampio o supporto multimodale, anche modelli più piccoli o più economici come OpenAI’s GPT-3.5 Turbo potrebbero essere sufficienti. Il prezzo di GPT-5 Nano è già basso, ma per attività che coinvolgono solo input e output brevi (ad esempio, pochi token ciascuno), un modello con un prezzo per token ancora più basso potrebbe ridurre ulteriormente i costi. Inoltre, se non hai bisogno del contesto di 400k, un modello con un contesto più piccolo ma con costi fissi inferiori potrebbe essere più economico. Esegui sempre benchmark sui tuoi dati per trovare il miglior compromesso tra costo e prestazioni.
GPT-5 Nano raggiunge un punteggio di 83,7 su AA Math, un benchmark che valuta la risoluzione di problemi aritmetici e di parole matematiche a livello scolastico elementare. Questo punteggio indica una performance robusta per tali compiti rispetto alle dimensioni del modello. AA Math include addizione, sottrazione, moltiplicazione, divisione e problemi di parole multi-step. Il risultato di 83,7 suggerisce che il modello può gestire accuratamente molte domande matematiche comuni, sebbene possa ancora commettere errori su problemi più complessi o multi-step. Non sono forniti altri punteggi di benchmark per questo modello, quindi non sono disponibili confronti su coding, conoscenze generali o ragionamento.
Non sono state fornite cifre di latenza specifiche per GPT-5 Nano. Tuttavia, in quanto modello piccolo, ci si aspetta generalmente che sia più veloce per token rispetto a modelli più grandi come GPT-4o. OrcaRouter serve il modello tramite la sua API compatibile con OpenAI, e la latenza di rete dipende dalla posizione dell'utente e dall'infrastruttura del provider. Per applicazioni in tempo reale, si consiglia di testare la latenza con input rappresentativi. Il ridotto numero di parametri del modello consente tipicamente una maggiore produttività sullo stesso hardware, riducendo i tempi di attesa in ambienti di produzione, specialmente in condizioni di elevata concorrenza.
Basandosi sul punteggio AA Math di 83.7, GPT-5 Nano è forte nel ragionamento matematico e nell'aritmetica. Ciò lo rende adatto per strumenti educativi, analisi dei dati e qualsiasi attività che implichi un'elaborazione numerica strutturata. La sua capacità di gestire immagini e file supporta ulteriormente problemi matematici incentrati sui documenti. I punti deboli includono l'assenza di benchmark in altri domini come la programmazione (HumanEval), la conoscenza generale (MMLU) o la fluidità conversazionale. Gli utenti non dovrebbero presupporre prestazioni equivalenti in compiti non matematici. Il modello potrebbe anche essere meno capace di comprendere contesti sottili o di generare contenuti creativi di lunga durata.
Senza benchmark per ragionamento, codifica o buonsenso, l'intelligenza generale di GPT-5 Nano non può essere quantificata. Il suo punteggio 83.7 AA Math, sebbene rispettabile, non garantisce competenza in altre aree. Il modello è piccolo, quindi potrebbe produrre più errori fattuali o output meno coerenti su argomenti ambigui rispetto a modelli più grandi. La sua finestra di contesto di 400k è ampia, ma utilizzare efficacemente quel contesto potrebbe richiedere un'attenta ingegneria dei prompt. L'assenza di una valutazione della velocità fornita significa che la latenza reale dovrebbe essere verificata. Gli utenti dovrebbero eseguire le proprie valutazioni su metriche specifiche per il compito prima del deployment.
GPT-5 Nano ha un prezzo di $0.05 per 1 milione di token in input e $0.40 per 1 milione di token in output. Queste tariffe sono fissate da OpenAI e trasmesse da OrcaRouter senza alcun ricarico. I token in input includono il prompt ed eventuali token di immagini o file. I token in output sono la risposta generata. Entrambe le direzioni vengono fatturate in base al conteggio dei token. Per un tipico prompt di 1.000 token e una risposta di 500 token, il costo sarebbe di circa $0.00005 (input) + $0.0002 (output) = $0.00025 per richiesta. Questo è competitivo per un modello con finestra di contesto di 400k e output di 128k.
Sebbene GPT-5 Nano sia economico, i token di output costano otto volte più dei token di input ($0.40 vs $0.05 per 1M). Per applicazioni che generano risposte lunghe (ad es. 10k+ token di output), i costi di output possono diventare predominanti. Gli sviluppatori dovrebbero limitare max_tokens al minimo necessario. I token di input da immagini e file vengono fatturati alla stessa tariffa di input, ma le immagini ad alta risoluzione consumano molti token (ad es., un'immagine da 1 megapixel può utilizzare ~2.000 token). L'uso di una risoluzione inferiore o la riduzione del numero di immagini possono abbassare i costi. L'ampia finestra di contesto incoraggia prompt lunghi, ma ogni token aggiuntivo aumenta il costo. Bilanciare la dimensione del contesto con il budget di token.
OrcaRouter passa attraverso i prezzi di OpenAI senza ricarico, ma le politiche di caching sono determinate da OpenAI. Il provider può offrire caching per prefissi di input identici e ripetuti, il che ridurrebbe gli addebiti per i token di input. Tuttavia, non sono stati forniti dettagli specifici sul caching per GPT-5 Nano. Gli sviluppatori dovrebbero consultare la documentazione di OpenAI per le loro politiche di caching. OrcaRouter non aggiunge un proprio livello di caching; agisce come un gateway trasparente. Se il caching è disponibile, può ridurre significativamente i costi per applicazioni con prompt ripetitivi, come il supporto clienti automatizzato o la generazione basata su modelli.
Per utilizzare GPT-5 Nano, imposta l'URL di base su https://api.orcarouter.ai/v1 e specifica l'ID del modello come "openai/gpt-5-nano" nella tua richiesta API. L'endpoint è compatibile con OpenAI, quindi puoi utilizzare qualsiasi SDK di OpenAI o client HTTP. Una richiesta tipica include parametri come messages, max_tokens, temperature e stop sequences. OrcaRouter inoltra la richiesta a OpenAI e restituisce la risposta senza alcuna elaborazione aggiuntiva. L'autenticazione avviene tramite una chiave API fornita da OrcaRouter. Ciò semplifica la migrazione per gli utenti che già utilizzano l'API di OpenAI: basta modificare l'URL di base, l'ID del modello e la chiave API.
Tutti i parametri standard delle chat completions di OpenAI sono supportati tramite il proxy di OrcaRouter – ad esempio, messages (con ruoli: system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop e stream. Per input multimodali, è possibile includere i campi image_url o file_type nell'array content. Il modello supporta anche function calling e tools, sebbene non siano descritti nei fatti forniti. Parametri come n (numero di completions) e logprobs possono essere disponibili. Fare riferimento alla documentazione API di OpenAI per l'elenco completo. OrcaRouter non modifica né limita i parametri.
Migrare a GPT-5 Nano è semplice. Se attualmente utilizzi l'API di OpenAI, cambia l'URL di base in https://api.orcarouter.ai/v1, sostituisci la tua chiave API con una chiave OrcaRouter e imposta il modello su "openai/gpt-5-nano". Il formato della richiesta rimane identico. Potrebbe essere necessario regolare temperature e max_tokens per adattarli al modello più piccolo. Testa con un sottoinsieme dei tuoi prompt per valutare la qualità dell'output. Poiché GPT-5 Nano ha un numero di parametri inferiore, potrebbe rispondere diversamente alle istruzioni; potrebbe essere necessario un prompt tuning. OrcaRouter non fornisce markup, quindi i confronti dei costi sono diretti.
GPT-4o è un modello più grande e capace, con punteggi benchmark più alti nella maggior parte dei domini (es. MMLU, HumanEval) ma anche prezzi più elevati. GPT-5 Nano è ottimizzato per costo e velocità. La finestra di contesto di GPT-4o è attualmente più piccola (128k token) rispetto ai 400k token di GPT-5 Nano, sebbene GPT-4o offra ragionamento e creatività più forti. Per attività che richiedono un contesto esteso o si concentrano su problemi matematici, GPT-5 Nano potrebbe essere più adatto. Per codifica complessa, conversazioni sfumate o compiti che richiedono alta precisione, GPT-4o è probabilmente superiore. La scelta dipende dal budget e dai requisiti di performance.
GPT-3.5 Turbo è un modello più piccolo e datato con prezzi comparabili, ma una finestra di contesto molto più ridotta (16k token) e nessun supporto multimodale. GPT-5 Nano offre una finestra di contesto di 400k, 128k di output e input di immagini/file, rendendolo molto più capace per attività su documenti lunghi e multimodali. Tuttavia, GPT-3.5 Turbo può essere sufficiente per interazioni brevi e solo testuali e potrebbe avere una latenza inferiore grazie alla gestione di contesti più piccoli. Non sono disponibili confronti benchmark, ma il punteggio AA Math di 83,7 di GPT-5 Nano suggerisce un migliore ragionamento matematico. Per attività brevi puramente testuali, GPT-3.5 Turbo rimane un'opzione economica.
GPT-4o Mini è una variante più piccola di GPT-4o con supporto multimodale simile e una finestra di contesto di 128k token. GPT-5 Nano offre triplo contesto (400k token) e un limite di output maggiore (128k vs 16k per GPT-4o Mini). Il prezzo di GPT-4o Mini (tipicamente $0.15/M input, $0.60/M output) è superiore a quello di GPT-5 Nano, che costa $0.05/$0.40. Tuttavia, GPT-4o Mini probabilmente eccelle nel ragionamento generale e nel seguire le istruzioni, essendo una versione distillata di GPT-4o. L'unico benchmark forte di GPT-5 Nano (AA Math) suggerisce che è specializzato per la matematica. Scegli GPT-5 Nano per attività incentrate sulla matematica con contesto ampio; scegli GPT-4o Mini per capacità più ampie.
Compatibile con OpenAI: mantieni il tuo SDK
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 |
| Lettura cache / 1M | $0.0050 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
Confronta i costi mensuali dei modelli nel calcolatore dei costi LLM
Di cosa parlano gli sviluppatori questa settimana
GET /api/public/models/openai/gpt-5-nanoApri @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