GPT-5-Nano é a menor e mais rápida variante do sistema GPT-5, otimizada para ferramentas de desenvolvedor, interações rápidas e ambientes de latência ultrabaixa. Embora limitada em profundidade de raciocínio em comparação com suas versões maiores...
GPT-5 Nano é um modelo de pequena escala da família GPT-5 da OpenAI, otimizado para inferência de baixo custo, mantendo uma ampla janela de contexto de 400.000 tokens e uma saída máxima de 128.000…
GPT-5 Nano aceita três modalidades de entrada: texto, imagem e arquivo. As entradas de texto são diretas. As entradas de imagem permitem que o modelo processe informações visuais (por exemplo, diagramas, capturas de tela) e responda a perguntas sobre elas. As entradas de arquivo permitem anexar PDFs, documentos do Word ou outros tipos de arquivo para análise em nível de documento. Todas as modalidades podem ser combinadas em uma única solicitação. O modelo processa essas entradas dentro de sua janela de contexto de 400.000 tokens. Observe que os tokens de imagem consomem do orçamento de contexto; uma imagem de alta resolução pode usar vários milhares de tokens. Esse suporte multimodal torna o GPT-5 Nano adequado para tarefas como leitura de gráficos, extração de formulários e análise de mídia mista.
O modelo suporta uma janela de contexto de 400.000 tokens (incluindo tokens de entrada e saída) e uma saída máxima de 128.000 tokens. Isso permite processar documentos muito longos – por exemplo, um texto do tamanho de um livro ou um relatório de várias páginas – em uma única requisição. O generoso limite de saída significa que o modelo pode produzir respostas longas, como resumos completos ou análises extensas. No entanto, saídas grandes também incorrem em custos mais altos de tokens de saída a $0,40 por 1 milhão de tokens. Desenvolvedores devem considerar definir os parâmetros max_tokens apropriadamente para evitar escalada não intencional de custos.
Dado seu forte benchmark matemático (AA Math 83.7), o modelo se destaca em problemas aritméticos com palavras, tutoria de matemática e raciocínio quantitativo. Suas capacidades multimodais o tornam útil para interpretar planilhas de matemática digitalizadas, diagramas ou gráficos. O preço baixo suporta aplicações de alto volume, como suporte ao cliente automatizado, categorização de conteúdo e extração de dados em tempo real de arquivos. Para geração de texto simples (por exemplo, rascunhos curtos de e-mails, resumos em tópicos), o GPT-5 Nano oferece uma alternativa econômica a modelos maiores. É menos adequado para contar histórias criativas, geração de código ou tarefas que exigem recuperação profunda de fatos.
Se sua tarefa for extremamente simples (por exemplo, classificação de uma única palavra, perguntas de sim/não) e não exigir o grande contexto ou suporte multimodal, modelos menores ou mais baratos, como o GPT-3.5 Turbo da OpenAI, podem ser suficientes. O preço do GPT-5 Nano já é baixo, mas para tarefas que envolvem apenas entradas e saídas curtas (por exemplo, alguns tokens cada), um modelo com precificação por token ainda mais baixa pode reduzir ainda mais o custo. Além disso, se você não precisar do contexto de 400k, um modelo com contexto menor, mas com custo fixo mais baixo, pode ser mais econômico. Sempre avalie com seus próprios dados para encontrar o melhor equilíbrio entre custo e desempenho.
O GPT-5 Nano alcança uma pontuação de 83,7 no AA Math, que é um benchmark que mede a resolução de problemas aritméticos e de palavras matemáticas em nível de ensino fundamental. Essa pontuação indica um desempenho forte para tais tarefas em relação ao tamanho do modelo. O AA Math inclui adição, subtração, multiplicação, divisão e problemas de palavras com múltiplas etapas. O resultado de 83,7 sugere que o modelo pode lidar com muitas consultas matemáticas comuns com precisão, embora ainda possa errar em problemas mais complexos ou de múltiplas etapas. Nenhuma outra pontuação de benchmark é fornecida para este modelo, portanto, comparações em codificação, conhecimento geral ou raciocínio não estão disponíveis.
Não foram fornecidos valores específicos de latência para o GPT-5 Nano. No entanto, por ser um modelo pequeno, geralmente espera-se que seja mais rápido por token do que modelos maiores como o GPT-4o. O OrcaRouter serve o modelo através de sua API compatível com OpenAI, e a latência de rede depende da localização do usuário e da infraestrutura do provedor. Para aplicações em tempo real, recomenda-se testar a latência com entradas representativas. A pequena quantidade de parâmetros do modelo normalmente permite maior throughput no mesmo hardware, o que pode reduzir tempos de espera em ambientes de produção, especialmente sob alta concorrência.
Com base na pontuação AA Math de 83,7, o GPT-5 Nano é forte em raciocínio matemático e aritmética. Isso o torna adequado para ferramentas educacionais, análise de dados e qualquer tarefa que envolva processamento numérico estruturado. Sua capacidade de lidar com imagens e arquivos também apoia problemas matemáticos centrados em documentos. As fraquezas incluem a ausência de benchmarks em outros domínios, como codificação (HumanEval), conhecimento geral (MMLU) ou fluência conversacional. Os usuários não devem assumir desempenho igual em tarefas não matemáticas. O modelo também pode ser menos capaz de entender contexto sutil ou gerar conteúdo criativo de formato longo.
Sem benchmarks para raciocínio, codificação ou senso comum, a inteligência geral do GPT-5 Nano não pode ser quantificada. Sua pontuação 83.7 AA Math, embora respeitável, não garante proficiência em outras áreas. O modelo é pequeno, portanto pode produzir mais erros factuais ou saídas menos coerentes sobre tópicos ambíguos em comparação com modelos maiores. Sua janela de contexto de 400k é grande, mas usar esse contexto de forma eficaz pode exigir uma engenharia de prompts cuidadosa. A falta de uma classificação de velocidade fornecida significa que a latência no mundo real deve ser verificada. Os usuários devem realizar suas próprias avaliações com métricas específicas da tarefa antes da implantação.
O GPT-5 Nano tem preço de $0,05 por 1 milhão de tokens de entrada e $0,40 por 1 milhão de tokens de saída. Essas taxas são definidas pela OpenAI e repassadas pelo OrcaRouter sem margem adicional. Tokens de entrada incluem o prompt e quaisquer tokens de imagem ou arquivo. Tokens de saída são a resposta gerada. Ambas as direções são cobradas com base na contagem de tokens. Para um prompt típico de 1.000 tokens e resposta de 500 tokens, o custo seria aproximadamente $0,00005 (entrada) + $0,0002 (saída) = $0,00025 por requisição. Isso é competitivo para um modelo com janela de contexto de 400k e saída de 128k.
Embora o GPT-5 Nano seja barato, tokens de saída custam oito vezes mais que tokens de entrada (US$ 0,40 vs US$ 0,05 por 1M). Para aplicações que geram respostas longas (por exemplo, 10k+ tokens de saída), os custos de saída podem dominar. Os desenvolvedores devem limitar max_tokens ao mínimo necessário. Tokens de entrada de imagens e arquivos são faturados na mesma taxa de entrada, mas imagens de alta resolução consomem muitos tokens (por exemplo, uma imagem de 1 megapixel pode usar ~2.000 tokens). Usar resolução mais baixa ou reduzir a quantidade de imagens pode reduzir custos. A janela de contexto grande incentiva prompts longos, mas cada token extra adiciona custo. Equilibre o tamanho do contexto com o orçamento de tokens.
OrcaRouter repassa os preços da OpenAI sem margem, mas as políticas de cache são determinadas pela OpenAI. O provedor pode oferecer cache para entradas idênticas repetidas, o que reduziria os encargos de tokens de entrada. No entanto, nenhum detalhe específico sobre cache para GPT-5 Nano foi fornecido. Os desenvolvedores devem consultar a documentação da OpenAI para conhecer suas políticas de cache. OrcaRouter não adiciona sua própria camada de cache; ele atua como um gateway transparente. Se o cache estiver disponível, poderá reduzir significativamente os custos para aplicações com prompts repetitivos, como suporte automatizado ao cliente ou geração baseada em modelos.
Para usar o GPT-5 Nano, defina a URL base como https://api.orcarouter.ai/v1 e especifique o ID do modelo como "openai/gpt-5-nano" em sua solicitação de API. O endpoint é compatível com a OpenAI, então você pode usar qualquer SDK da OpenAI ou cliente HTTP. Uma solicitação típica inclui parâmetros como messages, max_tokens, temperature e stop sequences. O OrcaRouter encaminha a solicitação para a OpenAI e retorna a resposta sem processamento adicional. A autenticação é feita por meio de uma chave de API fornecida pelo OrcaRouter. Isso torna a migração simples para usuários que já usam a API da OpenAI: basta alterar a URL base, o ID do modelo e a chave de API.
Todos os parâmetros padrão de completions do chat da OpenAI são suportados através do proxy da OrcaRouter – por exemplo, messages (com os papeis: system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop e stream. Para entradas multimodais, você pode incluir os campos image_url ou file_type no array content. O modelo também suporta function calling e tools, embora esses não sejam detalhados nos fatos fornecidos. Parâmetros como n (número de completions) e logprobs também podem estar disponíveis. Consulte a documentação da API da OpenAI para a lista completa. A OrcaRouter não modifica nem restringe parâmetros.
Migrar para o GPT-5 Nano é simples. Se você usa atualmente a API da OpenAI, altere a URL base para https://api.orcarouter.ai/v1, substitua sua chave de API por uma chave OrcaRouter e defina o modelo como "openai/gpt-5-nano". O formato da solicitação permanece idêntico. Talvez seja necessário ajustar temperature e max_tokens para se adequar ao modelo menor. Teste com um subconjunto de seus prompts para avaliar a qualidade da saída. Como o GPT-5 Nano possui uma contagem de parâmetros menor, ele pode responder de forma diferente às instruções; pode ser necessário um ajuste de prompt. A OrcaRouter não fornece markup, portanto, as comparações de custo são diretas.
GPT-4o é um modelo maior e mais capaz, com pontuações mais altas em benchmarks na maioria dos domínios (por exemplo, MMLU, HumanEval), mas também com preços mais elevados. O GPT-5 Nano é otimizado para custo e velocidade. A janela de contexto do GPT-4o é atualmente menor (128k tokens) do que os 400k tokens do GPT-5 Nano, embora o GPT-4o ofereça raciocínio e criatividade mais fortes. Para tarefas que exigem um contexto grande ou foco em problemas de matemática, o GPT-5 Nano pode ser mais adequado. Para codificação complexa, conversas cheias de nuances ou tarefas que demandam alta precisão, o GPT-4o é provavelmente superior. A escolha depende do seu orçamento e requisitos de desempenho.
O GPT-3.5 Turbo é um modelo pequeno mais antigo com preços comparáveis, mas um contexto muito menor (16k tokens) e sem suporte multimodal. O GPT-5 Nano oferece um contexto de 400k tokens, saída de 128k e entradas de imagem/arquivo, tornando-se muito mais capaz para tarefas de documentos longos e multimodais. No entanto, o GPT-3.5 Turbo pode ser suficiente para interações curtas, apenas com texto, e pode ter latência menor devido ao seu contexto menor. Comparações de benchmark não estão disponíveis, mas a pontuação AA Math de 83,7 do GPT-5 Nano sugere melhor raciocínio matemático. Para tarefas curtas puramente textuais, o GPT-3.5 Turbo continua sendo uma opção econômica.
GPT-4o Mini é uma variante menor do GPT-4o com suporte multimodal semelhante e uma janela de contexto de 128k tokens. GPT-5 Nano oferece o triplo do contexto (400k tokens) e um limite de saída maior (128k vs 16k para GPT-4o Mini). Os preços do GPT-4o Mini (tipicamente $0,15/M de entrada, $0,60/M de saída) são mais altos que os do GPT-5 Nano a $0,05/$0,40. No entanto, GPT-4o Mini provavelmente se destaca em raciocínio geral e capacidade de seguir instruções por ser uma versão destilada do GPT-4o. O único benchmark forte do GPT-5 Nano (AA Math) sugere que ele é especializado em matemática. Escolha GPT-5 Nano para tarefas pesadas em matemática com contexto grande; escolha GPT-4o Mini para capacidades mais amplas.
Compatível com OpenAI — mantenha seu 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| Entrada / 1M tokens | $0.050 |
|---|---|
| Saída / 1M tokens | $0.400 |
| Leitura de cache / 1M | $0.0050 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
Compare os custos mensais dos modelos na calculadora de custos de LLM
Do que os desenvolvedores estão falando esta semana
GET /api/public/models/openai/gpt-5-nanoAbrir @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