GPT-5-Nano — это самый маленький и быстрый вариант в системе GPT-5, оптимизированный для инструментов разработчика, быстрых взаимодействий и сред с ультранизкой задержкой. Хотя он ограничен в глубине рассуждений по сравнению с его более крупными...
GPT-5 Nano — это маломерная модель из семейства GPT-5 от OpenAI, оптимизированная для недорогого инференса при сохранении большого контекстного окна в 400 000 токенов и максимального вывода в 128 000…
GPT-5 Nano принимает три типа входных данных: текст, изображение и файл. Текстовые вводы просты. Ввод изображений позволяет модели обрабатывать визуальную информацию (например, диаграммы, скриншоты) и отвечать на вопросы о них. Ввод файлов позволяет прикреплять PDF-файлы, документы Word или другие типы файлов для анализа на уровне документа. Все типы входных данных можно комбинировать в одном запросе. Модель обрабатывает эти входные данные в своем окне контекста объемом 400 000 токенов. Обратите внимание, что токены изображений расходуют бюджет контекста; изображение высокого разрешения может использовать несколько тысяч токенов. Эта мультимодальная поддержка делает GPT-5 Nano подходящим для таких задач, как чтение диаграмм, извлечение данных из форм и анализ смешанных медиа.
Модель поддерживает контекстное окно размером 400 000 токенов (включая как входные, так и выходные токены) и максимальный вывод в 128 000 токенов. Это позволяет обрабатывать очень длинные документы — например, текст размером с книгу или многостраничный отчет — за один запрос. Щедрый лимит на вывод означает, что модель может генерировать объемные ответы, такие как полные сводки или расширенный анализ. Однако большие объемы вывода также влекут более высокие затраты на выходные токены по цене $0.40 за 1 млн токенов. Разработчикам следует соответствующим образом задавать параметры max_tokens, чтобы избежать непреднамеренного роста затрат.
Благодаря своим высоким показателям в математических бенчмарках (AA Math 83.7), модель превосходно справляется с арифметическими текстовыми задачами, обучением математике и количественными рассуждениями. Ее мультимодальные возможности делают ее полезной для интерпретации отсканированных математических рабочих листов, диаграмм или графиков. Низкая цена поддерживает высоконагруженные приложения, такие как автоматизированная поддержка клиентов, категоризация контента и извлечение данных из файлов в реальном времени. Для простой генерации текста (например, коротких черновиков электронных писем, маркированных списков) GPT-5 Nano предоставляет экономичную альтернативу более крупным моделям. Она менее подходит для творческого повествования, генерации кода или задач, требующих глубокого фактического запоминания.
Если ваша задача предельно проста (например, однословная классификация, вопросы да/нет) и не требует большого контекста или мультимодальной поддержки, вполне могут подойти даже более маленькие или дешёвые модели, такие как OpenAI GPT-3.5 Turbo. Цена GPT-5 Nano уже низкая, но для задач, включающих только короткие входные и выходные данные (например, по несколько токенов), модель с ещё более низкой ценой за токен может снизить затраты. Кроме того, если вам не нужен контекст в 400 тысяч токенов, модель с меньшим контекстом, но более низкими фиксированными накладными расходами может быть более экономичной. Всегда проводите бенчмарки на своих данных, чтобы найти наилучший компромисс между стоимостью и производительностью.
GPT-5 Nano достигает результата 83.7 в тесте AA Math — бенчмарке, оценивающем решение арифметических задач и математических текстовых заданий на уровне начальной школы. Этот показатель свидетельствует о высокой производительности в таких задачах относительно размера модели. AA Math включает сложение, вычитание, умножение, деление и многошаговые текстовые задачи. Результат 83.7 предполагает, что модель может точно обрабатывать многие распространённые математические запросы, хотя она всё ещё может ошибаться в более сложных или многошаговых задачах. Другие результаты бенчмарков для этой модели не предоставлены, поэтому сравнение по кодингу, общим знаниям или рассуждениям недоступно.
Конкретные показатели задержки для GPT-5 Nano не указаны. Однако, как небольшая модель, она в целом ожидается более быстрой на токен по сравнению с крупными моделями, такими как GPT-4o. OrcaRouter обслуживает модель через свой API, совместимый с OpenAI, а сетевая задержка зависит от местоположения пользователя и инфраструктуры провайдера. Для приложений реального времени рекомендуется тестировать задержку с репрезентативными входными данными. Небольшое количество параметров модели обычно позволяет добиться более высокой пропускной способности на том же оборудовании, что может сократить время ожидания в производственных условиях, особенно при высокой нагрузке.
На основе предоставленного показателя AA Math, равного 83.7, GPT-5 Nano демонстрирует высокую производительность в математических рассуждениях и арифметике. Это делает его подходящим для образовательных инструментов, анализа данных и любых задач, связанных со структурированной числовой обработкой. Его способность обрабатывать изображения и файлы дополнительно поддерживает решение математических задач, ориентированных на документы. К недостаткам можно отнести отсутствие бенчмарков в других областях, таких как программирование (HumanEval), общие знания (MMLU) или беглость разговорного общения. Пользователям не следует предполагать одинаковую производительность в задачах, не связанных с математикой. Модель также может быть менее способной понимать тонкий контекст или создавать длинный творческий контент.
Без бенчмарков для рассуждений, написания кода или здравого смысла общий интеллект GPT-5 Nano невозможно измерить. Его показатель 83.7 по AA Math, хоть и достойный, не гарантирует компетентности в других областях. Модель мала, поэтому по сравнению с более крупными моделями она может допускать больше фактических ошибок или выдавать менее связные результаты по двусмысленным темам. Окно контекста в 400k велико, но эффективное использование этого контекста может потребовать тщательной разработки промптов. Отсутствие указанной оценки скорости означает, что реальную задержку следует проверить. Пользователям следует проводить собственные оценки по специфичным для задачи метрикам перед развёртыванием.
GPT-5 Nano стоит $0.05 за 1 миллион входных токенов и $0.40 за 1 миллион выходных токенов. Эти тарифы установлены OpenAI и передаются через OrcaRouter без наценки. Входные токены включают промпт, а также токены изображений или файлов. Выходные токены — это сгенерированный ответ. Оба направления тарифицируются по количеству токенов. Для типичного промпта из 1,000 токенов и ответа из 500 токенов стоимость составит примерно $0.00005 (вход) + $0.0002 (выход) = $0.00025 за запрос. Это делает модель конкурентоспособной для контекстного окна в 400k и выхода в 128k.
Хотя GPT-5 Nano недорог, выходные токены стоят в восемь раз дороже входных ($0,40 против $0,05 за 1 млн). Для приложений, генерирующих длинные ответы (например, 10 000+ выходных токенов), затраты на выход могут доминировать. Разработчики должны ограничивать max_tokens минимально необходимым значением. Входные токены от изображений и файлов тарифицируются по той же ставке, что и входные, но изображения с высоким разрешением потребляют много токенов (например, изображение размером 1 мегапиксель может использовать ~2 000 токенов). Использование более низкого разрешения или уменьшение количества изображений может снизить затраты. Большое окно контекста стимулирует использование длинных промптов, но каждый дополнительный токен увеличивает стоимость. Балансируйте размер контекста с бюджетом токенов.
OrcaRouter передает цены OpenAI без наценки, но политики кэширования определяются OpenAI. Провайдер может предлагать кэширование для повторяющихся одинаковых входных префиксов, что снизит стоимость входных токенов. Однако никаких конкретных деталей о кэшировании для GPT-5 Nano предоставлено не было. Разработчикам следует ознакомиться с документацией OpenAI о политиках кэширования. OrcaRouter не добавляет собственный слой кэширования; он действует как прозрачный шлюз. Если кэширование доступно, оно может значительно снизить затраты для приложений с повторяющимися запросами, такими как автоматизированная поддержка клиентов или генерация на основе шаблонов.
Чтобы использовать GPT-5 Nano, задайте базовый URL https://api.orcarouter.ai/v1 и укажите идентификатор модели "openai/gpt-5-nano" в вашем API-запросе. Конечная точка совместима с OpenAI, поэтому вы можете использовать любой SDK OpenAI или HTTP-клиент. Типичный запрос включает такие параметры, как messages, max_tokens, temperature и stop sequences. OrcaRouter перенаправляет запрос в OpenAI и возвращает ответ без дополнительной обработки. Аутентификация выполняется через API-ключ, предоставляемый OrcaRouter. Это упрощает миграцию для пользователей, уже использующих API OpenAI: достаточно изменить базовый URL, идентификатор модели и API-ключ.
Все стандартные параметры чат-завершений OpenAI поддерживаются через прокси OrcaRouter – например, messages (с ролями: system, user, assistant), max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop и stream. Для мультимодальных входных данных вы можете включать поля image_url или file_type в массив содержимого. Модель также поддерживает вызов функций и инструменты, хотя они не описываются в предоставленных фактах. Параметры, такие как n (количество завершений) и logprobs, также могут быть доступны. За полным списком обращайтесь к документации API OpenAI. OrcaRouter не изменяет и не ограничивает параметры.
Переход на GPT-5 Nano прост. Если вы сейчас используете API OpenAI, измените базовый URL на https://api.orcarouter.ai/v1, замените свой ключ API на ключ OrcaRouter и укажите модель "openai/gpt-5-nano". Формат запроса остаётся идентичным. Возможно, потребуется настроить параметры temperature и max_tokens для меньшей модели. Протестируйте на подмножестве ваших запросов, чтобы оценить качество вывода. Поскольку GPT-5 Nano имеет меньшее количество параметров, он может по-разному реагировать на инструкции; может потребоваться настройка промптов. OrcaRouter не добавляет разметку, поэтому сравнение затрат является прямым.
GPT-4o — это более крупная и мощная модель с более высокими показателями бенчмарков в большинстве областей (например, MMLU, HumanEval), но и с более высокой ценой. GPT-5 Nano оптимизирован для экономии и скорости. Контекстное окно GPT-4o в настоящее время меньше (128 тыс. токенов), чем у GPT-5 Nano (400 тыс. токенов), хотя GPT-4o предлагает более мощные рассуждения и творческие способности. Для задач, требующих большого контекста или ориентированных на математические задачи, GPT-5 Nano может быть более подходящим. Для сложного программирования, тонких разговоров или задач, требующих высокой точности, GPT-4o, вероятно, превосходит. Выбор зависит от вашего бюджета и требований к производительности.
GPT-3.5 Turbo — это старая небольшая модель с сопоставимой ценой, но гораздо меньшим окном контекста (16 тыс. токенов) и без мультимодальной поддержки. GPT-5 Nano предлагает окно контекста в 400 тыс. токенов, вывод 128 тыс. токенов и ввод изображений/файлов, что делает её гораздо более способной для работы с длинными документами и мультимодальными задачами. Однако GPT-3.5 Turbo может быть достаточной для коротких текстовых взаимодействий и может иметь меньшую задержку благодаря обработке меньшего контекста. Сравнительные бенчмарки недоступны, но результат AA Math в 83,7 балла для GPT-5 Nano предполагает лучшие математические рассуждения. Для чисто текстовых коротких задач GPT-3.5 Turbo остаётся экономически выгодным вариантом.
GPT-4o Mini — это уменьшенная версия GPT-4o с аналогичной мультимодальной поддержкой и контекстным окном в 128k токенов. GPT-5 Nano предлагает тройной объём контекста (400k токенов) и больший лимит вывода (128k против 16k у GPT-4o Mini). Цены на GPT-4o Mini (обычно $0.15/М на вход, $0.60/М на выход) выше, чем $0.05/$0.40 у GPT-5 Nano. Однако GPT-4o Mini, вероятно, превосходит в общих рассуждениях и следовании инструкциям, поскольку является дистиллированной версией GPT-4o. Единственный сильный бенчмарк GPT-5 Nano (AA Math) указывает на его специализацию в математике. Выбирайте GPT-5 Nano для задач с большим объёмом математики и большим контекстом; выбирайте GPT-4o Mini для более широких возможностей.
Совместимо с OpenAI — оставьте свой 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| Ввод / 1M токенов | $0.050 |
|---|---|
| Вывод / 1M токенов | $0.400 |
| Чтение кэша / 1M | $0.0050 |
| Валюта | USD |
Оценка по прайс-листу
Только оценка — фактическое число токенов зависит от токенизатора провайдера.
Сравните ежемесячные расходы на модели в калькуляторе стоимости LLM
О чём говорят разработчики на этой неделе
GET /api/public/models/openai/gpt-5-nanoОткрыть @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