OpenAI GPT-5 Nano: 400K kontekstu, 83.7 AA Math, wejście tekst/obraz/plik, $0.05/M tokenów wejściowych przez OrcaRouter.
OpenAI GPT-5 Nano (wersja z 2025-08-07) to mniejszy, zoptymalizowany kosztowo członek rodziny GPT-5. Oferuje okno kontekstowe o długości 400 000 tokenów – wystarczające do przetworzenia całych…
GPT-5 Nano akceptuje dane wejściowe w postaci tekstu, obrazów i plików, co pozwala mu na rozumowanie w oparciu o mieszankę formatów. Jego kontekst składający się z 400 000 tokenów może pomieścić setki stron tekstu wraz z osadzonymi obrazami lub załącznikami dokumentów. Model może wygenerować do 128 000 tokenów w jednej odpowiedzi, co jest odpowiednie do długich analitycznych wyników, generowania kodu lub wieloetapowych dowodów matematycznych. Jego wynik AA Math wynoszący 83,7 świadczy o silnych umiejętnościach arytmetycznych i logicznym rozumowaniu. Typowe przypadki użycia obejmują podsumowywanie długich dokumentów, adnotacje z obrazu na tekst, ekstrakcję danych z plików oraz rozwiązywanie problemów edukacyjnych, gdzie wymagane jest zarówno zrozumienie wykresów, jak i kontekstu tekstowego.
Najlepsze przypadki użycia wykorzystują duży kontekst modelu i wielomodalne wejście, nie wymagając maksymalnej wydajności w testach porównawczych. Przykład: przetwarzanie 300-stronicowej umowy prawnej wraz z załączonymi załącznikami (obrazami podpisów, tabelami) w celu wyodrębnienia zobowiązań. Inny: analiza długiego artykułu naukowego z rysunkami, a następnie napisanie 10 000-słownej krytyki. W edukacji GPT-5 Nano może krok po kroku rozwiązywać złożone problemy matematyczne, wykorzystując obrazy odręcznych równań. W przypadku potoków danych może przetwarzać pliki PDF i obrazy, generując ustrukturyzowane dane. Te zadania korzystają z niskiego kosztu wejściowego ($0.05/M tokenów) i możliwości bezpośredniej obsługi plików.
Jeśli twoja aplikacja nigdy nie potrzebuje więcej niż, powiedzmy, 8 000 tokenów kontekstu i nie wymaga obrazów ani plików wejściowych, mniejszy i tańszy model (np. GPT-4 Mini przy niższym koszcie tokena) będzie bardziej ekonomiczny. Podobnie, jeśli wyniki są zawsze bardzo krótkie (np. klasyfikacje jednowyrazowe), płacenie 0,40 $ za 1 mln tokenów wyjściowych może być marnotrawne – rozważ model zoptymalizowany do klasyfikacji o niższym koszcie wyjścia. GPT-5 Nano jest najbardziej opłacalny, gdy naprawdę potrzebujesz jego 400-tysięcznego okna kontekstowego lub możliwości multimodalnych; w przeciwnym razie prostsze modele pozwolą zaoszczędzić pieniądze.
Benchmark AA Math ocenia rozumowanie matematyczne — rozwiązywanie zadań arytmetycznych, algebraicznych i tekstowych. Wynik 83,7 oznacza, że GPT-5 Nano poprawnie rozwiązało 83,7% zadań w tym benchmarku. Jest to dobry wynik dla modelu „nano”, co wskazuje, że może niezawodnie radzić sobie z matematyką na poziomie od szkoły podstawowej do wczesnego liceum, w tym z problemami wieloetapowymi. Porównaj to z większymi modelami, które mogą uzyskać wynik powyżej 90, ale wiążą się z wyższym kosztem na token. Wynik potwierdza, że w przypadku rozumowania matematycznego GPT-5 Nano oferuje dobry kompromis między kosztem a dokładnością dla wielu zastosowań.
Dane dotyczące opóźnień dla GPT-5 Nano nie zostały publicznie ujawnione przez OpenAI według stanu na datę wydania 2025-08-07. W praktyce szybkość zależy od takich czynników, jak całkowita liczba tokenów, obciążenie żądaniami i infrastruktura OrcaRouter. Ponieważ Nano jest mniejszym modelem w porównaniu z dużymi wariantami, prawdopodobnie ma niższe opóźnienie na token, ale dokładne liczby nie są dostępne. OrcaRouter obsługuje żądania asynchronicznie ze standardowymi konfiguracjami limitu czasu. W przypadku aplikacji czasu rzeczywistego wrażliwych na opóźnienia zalecamy przeprowadzenie testów porównawczych z typowym obciążeniem (w tym obrazami/plikami) za pomocą API OrcaRouter w celu oceny przydatności.
Mocne strony: Długi kontekst (400K tokenów), multimodalne wejście (tekst/obraz/plik), duża pojemność wyjścia (128K tokenów), solidne rozumowanie matematyczne (83,7 AA Math) oraz niski koszt na token. Ograniczenia: Nie jest to model o najwyższej wydajności w innych benchmarkach (wyniki dla zadań programistycznych, rozumowania czy wiedzy nie są podane). Mniejsza liczba parametrów prawdopodobnie powoduje trudności w przypadku bardzo subtelnych lub kreatywnych zadań. Ponadto opóźnienie nie jest gwarantowane; brak obsługi wejścia audio lub wideo. Jakość wyjścia może ulec pogorszeniu w przypadku bardzo długich generacji blisko limitu 128K. W przypadku zadań wymagających najnowocześniejszych wyników należy rozważyć większe modele GPT‑5.
Cennik opiera się na zużyciu tokenów, rozliczane według stawek dostawcy OpenAI z zerową marżą. Tokeny wejściowe: $0.05 za 1 milion tokenów. Tokeny wyjściowe: $0.40 za 1 milion tokenów. OrcaRouter przekazuje te dokładne stawki. W typowej konwersacji przy użyciu 100,000 tokenów wejściowych (w tym obrazy tokenizowane jako część wejścia) i 10,000 tokenów wyjściowych koszt wyniósłby ($0.05 × 0.1) + ($0.40 × 0.01) = $0.005 + $0.004 = $0.009 (mniej niż jeden cent). Rozliczanie jest mierzone na poziomie tokenów; możesz ustawić limity wydatków za pomocą panelu OrcaRouter.
Główną zaletą GPT-5 Nano jest niski koszt wejścia w stosunku do rozmiaru kontekstu. Na przykład przetworzenie dokumentu o 400 tys. tokenów kosztuje tylko 0,02 USD za wejście (400K / 1M × 0,05 USD). Tokeny wyjściowe są droższe za token, więc jeśli Twoja aplikacja generuje bardzo długie odpowiedzi, koszt wyjścia może dominować. Na przykład wyjście o 100 tys. tokenów kosztuje 0,04 USD (100K / 1M × 0,40 USD). Oceń swój średni stosunek wejścia do wyjścia. Jeśli wyjścia są krótkie, ale wejścia ogromne, Nano jest niezwykle tani. Jeśli wyjścia zbliżają się do 128K, rozważ, czy istnieje tańszy model pod względem stawki wyjściowej dla Twojego konkretnego zadania.
OrcaRouter nie ujawnia szczegółowych mechanizmów buforowania dla poszczególnych modeli. Stosują się standardowe najlepsze praktyki API: ponownie wykorzystuj odpowiedzi na poziomie aplikacji, gdy to właściwe, i minimalizuj zbędne zużycie tokenów. Należy pamiętać, że ponieważ GPT-5 Nano obsługuje pliki i obrazy jako dane wejściowe (które są tokenizowane), każdy unikalny plik lub obraz liczy się jako nowe tokeny wejściowe. Buforowanie tokenizowanej treści nie jest obsługiwane na poziomie API. Aby zoptymalizować koszty, możesz buforować części tekstowe swoich promptów po stronie klienta i unikać ponownego wysyłania identycznych długich kontekstów, jeśli odpowiedź modelu jest deterministyczna i ustawisz temperature=0.
Korzystaj z punktu końcowego API zgodnego z OpenAI: bazowy URL https://api.orcarouter.ai/v1, ID modelu „openai/gpt-5-nano-2025-08-07”. Przykład z użyciem curl: curl https://api.orcarouter.ai/v1/chat/completions \ -H "Authorization: Bearer YOUR_ORCAROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{\n "model": "openai/gpt-5-nano-2025-08-07",\n "messages": [{"role": "user", "content": [{"type": "text", "text": "Solve this math problem."},{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]}],\n "max_tokens": 512\n }' Obsługiwane są wszystkie standardowe parametry (temperature, top_p, stop, frequency_penalty itd.). Wejścia plikowe mogą być zakodowane w base64 lub oparte na URL.
GPT-5 Nano obsługuje standardowe parametry completions czatu: model (wymagany, użyj dokładnego ID), messages (tablica obiektów wiadomości), max_tokens (do 128000), temperature (0–2, domyślnie 1), top_p (0–1, domyślnie 1), n (liczba completions, domyślnie 1), stop (ciąg znaków lub tablica), frequency_penalty, presence_penalty, user (unikalny identyfikator do śledzenia) oraz logit_bias. Dla danych wejściowych w postaci obrazów i plików używaj obiektów zawartości z typem "image_url" (dla obrazów) lub "file" (dla załączników plików, jeśli obsługiwane – sprawdź dokumentację OrcaRouter). Parametry takie jak tools, tool_choice i response_format są dostępne, gdy model obsługuje strukturyzowane wyniki.
Migracja jest prosta, ponieważ OrcaRouter implementuje dokładnie ten sam schemat zgodny z OpenAI. Zmień tylko dwie rzeczy: 1) Ustaw podstawowy URL na https://api.orcarouter.ai/v1; 2) Zastąp swój klucz API OpenAI kluczem API OrcaRouter (uzyskaj go z panelu OrcaRouter). Zachowaj wszystkie pozostałe treści żądań bez zmian, włączając w to identyfikatory modeli w formacie „openai/gpt-5-nano-2025-08-07”. OrcaRouter zajmuje się routingiem i rozliczeniami. Nie są potrzebne żadne zmiany w kodzie poza punktem końcowym i kluczem. Przetestuj za pomocą pojedynczego żądania, aby potwierdzić łączność i rozliczanie użycia tokenów.
Dla wejść plikowych dołącz obiekt treści z typem "file" i podaj dane pliku jako kodowanie base64 lub publiczny URL. OrcaRouter akceptuje ten sam schemat co API OpenAI. Przykładowa treść wiadomości: [{"type": "text", "text": "Podsumuj ten PDF"}, {"type": "file", "file": {"url": "..."}}]. Koszt tokenizacji plików zależy od ich rozmiaru i złożoności (obrazy są liczone jako tokeny wejściowe proporcjonalnie do rozdzielczości). Upewnij się, że całkowity kontekst (tokeny tekstu + obrazów + plików) nie przekracza 400 000. W przypadku bardzo dużych plików rozważ wstępne podzielenie lub zastosowanie innej strategii.
GPT-5 Nano oferuje większe okno kontekstu (400K w porównaniu do typowego 128K w GPT‑4 Mini) oraz wielomodalne wejście (tekst/obraz/plik vs. tylko tekst w wielu wariantach Mini). Jego koszt jest niższy: 0,05 USD/0,40 USD na milion tokenów w porównaniu do stawek GPT‑4 Mini, które często są wyższe za generowanie. Jednak GPT‑4 Mini może zapewnić szybsze wnioskowanie (choć wartości opóźnień nie są publikowane dla żadnego z nich). Wynik AA Math dla GPT‑5 Nano (83,7) jest konkurencyjny lub przewyższa wydajność matematyczną GPT‑4 Mini. W przypadku zadań długiego kontekstu i wielomodalnych Nano jest wyraźnym wyborem; w przypadku krótkich, ogólnych tekstów Mini może być nadal opłacalny.
GPT-5 Pro to flagowy model OpenAI o dużych rozmiarach, osiągający wyższe wyniki w benchmarkach, ale także wyższe ceny za tokeny (dokładne stawki nie zostały podane). Pro ma prawdopodobnie mniejsze okno kontekstowe (podobno 128K), ale lepsze rozumowanie, kodowanie i kreatywność. GPT-5 Nano poświęca nieco dokładności i możliwości na rzecz znacznie niższej ceny i dłuższego kontekstu. Jeśli priorytetem jest maksymalna jakość przy trudnych zadaniach, wybierz Pro. Jeśli potrzebujesz ekonomicznie przetwarzać ogromne ilości danych i akceptujesz umiarkowaną dokładność, Nano jest lepszy. Oba są dostępne przez OrcaRouter z tym samym formatem API.
OrcaRouter zapewnia dostęp do wielu modeli. Alternatywy obejmują większe modele OpenAI (GPT‑5 Pro) dla wyższej dokładności, mniejsze modele (GPT‑4 Mini) do prostego tekstu lub modele innych firm, takie jak Claude od Anthropic czy Llama od Meta. Każdy z nich ma różne rozmiary kontekstu, ceny i obsługę modalności. Na przykład Claude 3 Haiku może oferować większą szybkość, ale brak wprowadzania obrazu. Możesz porównać koszty na token na stronie cenowej OrcaRouter. GPT-5 Nano wyróżnia się szczególnie kombinacją 400K kontekstu, wielomodalnego wejścia i niskiego kosztu wejścia – co czyni go wyjątkowym wśród lekkich modeli.
GPT-5 Nano, podobnie jak inne modele OpenAI dostępne przez API, domyślnie nie trenuje na Twoich danych (obowiązuje polityka wykorzystania danych API OpenAI). OrcaRouter działa jako proxy i nie przechowuje Twoich promptów ani odpowiedzi poza tym, co jest niezbędne do rozliczeń i rejestrowania zapytań (zgodnie z ich polityką prywatności). Obaj dostawcy zobowiązują się do nieużywania danych API do ulepszania modeli, chyba że wyrazisz na to zgodę. W przypadku danych wrażliwych rozważ użycie lokalnego lub dedykowanego modelu. Obsługa danych GPT‑5 Nano jest identyczna jak w przypadku innych modeli OpenAI API — OrcaRouter nie przechowuje dodatkowych danych.
Zgodne z OpenAI — zostań przy swoim SDK
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| Wejście / 1M tokenów | $0.050 |
| Wyjście / 1M tokenów | $0.400 |
| Odczyt cache / 1M | $0.0050 |
| Waluta | USD |
Szacunek na podstawie cennika
Tylko szacunek — rzeczywista liczba tokenów zależy od tokenizatora dostawcy.
GET /api/public/models/openai/gpt-5-nano-2025-08-07Otwórz @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