GPT-5-Nano は GPT-5 システムの中で最も小さく、最も高速なバリエーションであり、開発者ツール、迅速なインタラクション、超低レイテンシ環境向けに最適化されています。より大きなモデルと比較すると推論の深さは限られていますが…
GPT-5 Nanoは、OpenAIのGPT-5ファミリーに属する小規模モデルで、低コストでの推論に最適化されており、40万トークンの大規模コンテキストウィンドウと最大12万8千トークンの出力を保持しています。テキスト、画像、ファイルの入力モダリティを受け入れ、マルチモーダルタスクに柔軟に対応します。このモデルの際立ったベンチマークは、AA…
GPT-5 Nanoはテキスト、画像、ファイルの3つの入力モダリティを受け入れます。テキスト入力は簡単です。画像入力により、モデルは図やスクリーンショットなどの視覚情報を処理し、それらに関する質問に答えることができます。ファイル入力では、PDF、Word文書、またはその他のファイルタイプを添付して文書レベルの分析を行うことができます。すべてのモダリティを1つのリクエストで組み合わせることができます。モデルはこれらの入力を40万トークンのコンテキストウィンドウ内で処理します。画像トークンはコンテキスト予算を消費することに注意してください。高解像度の画像は数千トークンを使用する可能性があります。このマルチモーダルサポートにより、GPT-5 Nanoはグラフ読み取り、フォーム抽出、マルチメディア分析などのタスクに適しています。
このモデルは、400,000トークン（入力トークンと出力トークンの両方を含む）のコンテキストウィンドウと、最大128,000トークンの出力をサポートしています。これにより、非常に長いドキュメント（例えば、本一冊分のテキストや複数ページのレポート）を1回のリクエストで処理できます。寛大な出力制限により、完全な要約や詳細な分析などの長い応答を生成することが可能です。ただし、大規模な出力は1Mトークンあたり0.40ドルの高い出力トークンコストを伴います。開発者は意図しないコストの高騰を避けるため、max_tokensパラメータを適切に設定することを検討すべきです。
高い数学ベンチマーク（AA Math 83.7）を考慮すると、このモデルは算数の文章問題、数学個別指導、定量的推論に優れています。マルチモーダル機能により、スキャンした数学のワークシートや図表・グラフの解釈にも役立ちます。低価格は、自動カスタマーサポート、コンテンツ分類、ファイルからのリアルタイムデータ抽出といった高ボリュームアプリケーションをサポートします。簡易テキスト生成（例：短いメールの下書き、箇条書きサマリー）では、GPT-5 Nanoはより大規模なモデルに代わる費用対効果の高い選択肢となります。クリエイティブなストーリーテリング、コード生成、または深い事実想起を必要とするタスクにはあまり適していません。
もしあなたのタスクが非常に単純（例：単語分類、はい/いいえの質問など）であり、大きなコンテキストやマルチモーダル対応を必要としない場合、OpenAIのGPT-3.5 Turboのようなより小さく安価なモデルでも十分かもしれません。GPT-5 Nanoの価格はすでに低いですが、短い入力と出力のみを扱うタスク（例：それぞれ数トークンなど）では、さらにトークン単価が低いモデルを使用することでコストを削減できます。また、400kコンテキストが必要ない場合、コンテキストは小さいが固定オーバーヘッドが低いモデルの方が経済的かもしれません。最適なコストパフォーマンスのトレードオフを見つけるために、常に自分のデータでベンチマークを行ってください。
GPT-5 Nanoは、小学校レベルでの算数および数学の文章問題解決能力を測定するベンチマークであるAA Mathで83.7点を達成しました。このスコアは、モデルサイズに対してこの種のタスクで優れた性能を示しています。AA Mathは、加算、減算、乗算、除算、および複数ステップの文章問題を含みます。83.7という結果は、このモデルが多くの一般的な数学のクエリを正確に処理できることを示唆していますが、より複雑な問題や複数ステップの問題では誤る可能性もあります。このモデルについては他のベンチマークスコアが提供されていないため、コーディング、一般知識、推論に関する比較はできません。
GPT-5 Nano に関する具体的なレイテンシ数値は提供されていません。ただし、小型モデルであるため、一般的には GPT-4o などの大型モデルよりもトークンあたりの処理が高速になると期待されています。OrcaRouter は OpenAI 互換の API を介してモデルを提供しており、ネットワークレイテンシはユーザーの所在地やプロバイダーのインフラに依存します。リアルタイムアプリケーションでは、代表的な入力を用いたレイテンシテストが推奨されます。このモデルのパラメータ数が少ないことから、通常、同一ハードウェア上で高いスループットが可能となり、特に高同時実行環境において、本番環境での待機時間を短縮できます。
提供されたAA Mathスコア83.7に基づき、GPT-5 Nanoは数学的推論と算術に優れています。そのため、教育ツール、データ分析、構造化された数値処理を含むあらゆるタスクに適しています。画像やファイルを処理できる能力は、文書中心の数学問題をさらにサポートします。弱点としては、コーディング（HumanEval）、一般知識（MMLU）、会話の流暢さなど、他の領域におけるベンチマークが不足している点が挙げられます。ユーザーは非数学タスクにおいて同等のパフォーマンスを想定すべきではありません。また、このモデルは微妙な文脈の理解や長文のクリエイティブコンテンツ生成において能力が劣る可能性があります。
推論、コーディング、または常識のベンチマークがなければ、GPT-5 Nanoの一般的な知能は定量化できません。その83.7のAA数学スコアは立派ではありますが、他の分野における習熟度を保証するものではありません。このモデルは小型であるため、より大型のモデルと比較して、あいまいなトピックに対して事実誤認が多くなったり、出力の一貫性が低下したりする可能性があります。その400kのコンテキストウィンドウは大きいですが、そのコンテキストを効果的に使用するには、注意深いプロンプトエンジニアリングが必要になる場合があります。速度評価が提供されていないため、実際のレイテンシーを確認する必要があります。ユーザーは導入前に、タスク固有の指標について自身で評価を実施すべきです。
GPT-5 Nano の価格は、入力トークン100万個あたり$0.05、出力トークン100万個あたり$0.40です。これらのレートはOpenAIによって設定され、OrcaRouterによってゼロマークアップでそのまま適用されます。入力トークンには、プロンプトと画像やファイルのトークンが含まれます。出力トークンは生成された応答です。両方向ともトークン数に基づいて課金されます。典型的な1,000トークンのプロンプトと500トークンの応答の場合、コストは約$0.00005（入力）+ $0.0002（出力）= リクエストあたり$0.00025となります。これは、400kコンテキストウィンドウと128k出力を持つモデルとしては競争力があります。
GPT-5 Nanoは安価ですが、出力トークンは入力トークンの8倍のコストがかかります（$0.40対$0.05、100万トークンあたり）。長い応答（例：10k+の出力トークン）を生成するアプリケーションでは、出力コストが支配的になる可能性があります。開発者はmax_tokensを必要最小限に制限すべきです。画像やファイルからの入力トークンは同じ入力レートで課金されますが、高解像度の画像は多くのトークンを消費します（例：1メガピクセルの画像は約2,000トークンを使用する場合があります）。解像度を下げたり画像数を減らしたりすることでコストを下げられます。大きなコンテキストウィンドウは長いプロンプトを促しますが、余分なトークンごとにコストがかかります。コンテキストサイズとトークン予算のバランスを取りましょう。
OrcaRouterはOpenAIの価格設定をマークアップなしで通過させますが、キャッシュポリシーはOpenAIによって決定されます。プロバイダーは、繰り返される同一の入力プレフィックスに対してキャッシュを提供する場合があり、これにより入力トークンの料金が削減される可能性があります。ただし、GPT-5 Nanoに関するキャッシュの具体的な詳細は提供されていません。開発者はOpenAIのドキュメントでキャッシュポリシーを確認する必要があります。OrcaRouterは独自のキャッシュ層を追加せず、透過的なゲートウェイとして機能します。キャッシュが利用可能な場合、自動カスタマーサポートやテンプレートベースの生成など、反復的なプロンプトを使用するアプリケーションのコストを大幅に削減できます。
GPT-5 Nanoを使用するには、ベースURLをhttps://api.orcarouter.ai/v1に設定し、APIリクエストでモデルIDとして"openai/gpt-5-nano"を指定してください。エンドポイントはOpenAI互換のため、任意のOpenAI SDKやHTTPクライアントを使用できます。一般的なリクエストには、messages、max_tokens、temperature、stop sequencesなどのパラメータが含まれます。OrcaRouterはリクエストをOpenAIに転送し、追加処理を行わずにレスポンスを返します。認証はOrcaRouterが提供するAPIキーを介して行われます。これにより、既にOpenAIのAPIを使用しているユーザーは、ベースURL、モデルID、APIキーを変更するだけで簡単に移行できます。
すべての標準OpenAIチャット完了パラメータは、OrcaRouterのプロキシを通じてサポートされています – 例えば、messages（ロール: system、user、assistant）、max_tokens、temperature、top_p、frequency_penalty、presence_penalty、stop、streamなどです。マルチモーダル入力の場合、content配列にimage_urlまたはfile_typeフィールドを含めることができます。モデルは関数呼び出しやツールもサポートしていますが、これらは提供された事実には詳細が記載されていません。n（完了数）やlogprobsなどのパラメータも利用可能な場合があります。完全なリストについてはOpenAIのAPIドキュメントを参照してください。OrcaRouterはパラメータを変更または制限しません。
GPT-5 Nano への移行は簡単です。現在 OpenAI の API を使用している場合、ベース URL を https://api.orcarouter.ai/v1 に変更し、API キーを OrcaRouter のキーに置き換え、モデルを "openai/gpt-5-nano" に設定してください。リクエスト形式はそのままです。小さなモデルに合わせて temperature や max_tokens を調整する必要があるかもしれません。出力品質を評価するために、プロンプトのサブセットでテストしてください。GPT-5 Nano はパラメータ数が少ないため、指示に対する応答が異なる場合があり、プロンプトのチューニングが必要になることがあります。OrcaRouter はマークアップを提供しないため、コスト比較は直接的です。
GPT-4oはより大きく、より高性能なモデルであり、ほとんどの領域（例：MMLU、HumanEval）で高いベンチマークスコアを達成していますが、価格も高くなっています。GPT-5 Nanoはコストと速度に最適化されています。GPT-4oのコンテキストウィンドウは現在（128kトークン）で、GPT-5 Nanoの400kトークンよりも小さいですが、GPT-4oはより強力な推論能力と創造性を提供します。大きなコンテキストを必要とするタスクや数学の問題に焦点を当てたタスクには、GPT-5 Nanoの方が適している場合があります。複雑なコーディング、微妙な会話、または高い精度が要求されるタスクには、GPT-4oの方が優れている可能性があります。選択は予算とパフォーマンス要件に依存します。
GPT-3.5 Turboは、同等の価格設定ながらコンテキストウィンドウがはるかに小さい（16kトークン）古い小型モデルであり、マルチモーダル対応もしていません。GPT-5 Nanoは400kのコンテキストウィンドウ、128kの出力、画像/ファイル入力を提供し、長文書やマルチモーダルタスクにおいてはるかに高い能力を発揮します。ただし、GPT-3.5 Turboは短いテキストのみの対話には十分であり、コンテキスト処理が小さいためレイテンシが低い可能性があります。ベンチマーク比較は利用できませんが、GPT-5 NanoのAA数学スコア83.7は数学的推論に優れていることを示唆しています。純粋なテキストのみの短いタスクであれば、GPT-3.5 Turboは費用対効果の高い選択肢であり続けます。
GPT-4o Miniは、GPT-4oの小型版であり、同様のマルチモーダルサポートと128kトークンのコンテキストウィンドウを備えています。GPT-5 Nanoは、3倍のコンテキスト（400kトークン）とより大きな出力制限（GPT-4o Miniの16kに対して128k）を提供します。GPT-4o Miniの価格（通常、入力$0.15/M、出力$0.60/M）は、GPT-5 Nanoの$0.05/$0.40よりも高いです。しかし、GPT-4o MiniはGPT-4oの蒸留版であるため、一般的な推論や指示追従に優れている可能性があります。GPT-5 Nanoの単一の強力なベンチマーク（AA Math）は、数学に特化していることを示唆しています。大量のコンテキストを扱う数学中心のタスクにはGPT-5 Nanoを選択し、より広範な機能が必要な場合はGPT-4o Miniを選択してください。
OpenAI 互換——今お使いの SDK のまま
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| 入力 / 1M tokens | $0.050 |
|---|---|
| 出力 / 1M tokens | $0.400 |
| キャッシュ読み取り / 1M | $0.0050 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
今週の開発者の声
@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