OpenAI GPT-5 Nano: ngữ cảnh 400K, 83.7 AA Math, đầu vào văn bản/hình ảnh/tệp, $0.05/M token đầu vào qua OrcaRouter.
OpenAI GPT-5 Nano (phát hành ngày 2025-08-07) là một thành viên nhỏ hơn, tối ưu chi phí trong gia đình GPT-5. Nó cung cấp cửa sổ ngữ cảnh 400.000 token—đủ để xử lý toàn bộ tài liệu dài hoặc nội dung…
GPT-5 Nano chấp nhận đầu vào văn bản, hình ảnh và tệp tin, cho phép nó suy luận trên nhiều định dạng khác nhau. Ngữ cảnh 400.000 token của nó có thể chứa hàng trăm trang văn bản cùng với hình ảnh nhúng hoặc tệp đính kèm tài liệu. Mô hình có thể tạo ra tới 128.000 token trong một phản hồi duy nhất, phù hợp cho các đầu ra phân tích dài, tạo mã hoặc chứng minh toán học nhiều bước. Điểm AA Math 83.7 của nó thể hiện khả năng suy luận số học và logic mạnh mẽ. Các trường hợp sử dụng phổ biến bao gồm tóm tắt tài liệu dài, chú thích ảnh thành văn bản, trích xuất dữ liệu từ tệp và giải quyết vấn đề giáo dục khi cần hiểu cả biểu đồ và ngữ cảnh văn bản.
Các trường hợp sử dụng tốt nhất khai thác khả năng ngữ cảnh lớn và đầu vào đa phương thức của mô hình mà không yêu cầu hiệu suất điểm chuẩn tối đa. Ví dụ: xử lý một hợp đồng pháp lý dài 300 trang cùng với các phụ lục đính kèm (hình ảnh chữ ký, bảng biểu) để trích xuất nghĩa vụ. Một ví dụ khác: phân tích một bài nghiên cứu dài có hình ảnh, sau đó viết bài phê bình 10.000 từ. Trong giáo dục, GPT-5 Nano có thể giải từng bước một bài toán phức tạp, sử dụng hình ảnh các phương trình viết tay. Đối với pipeline dữ liệu, nó có thể tiếp nhận PDF và hình ảnh, xuất ra dữ liệu có cấu trúc. Các tác vụ này được hưởng lợi từ chi phí đầu vào thấp ($0,05/M tokens) và khả năng xử lý tệp tin trực tiếp.
Nếu ứng dụng của bạn không bao giờ yêu cầu nhiều hơn, chẳng hạn, 8.000 token ngữ cảnh và không cần đầu vào hình ảnh hoặc tệp, thì một mô hình nhỏ hơn và rẻ hơn (ví dụ: GPT-4 Mini với chi phí token thấp hơn) sẽ kinh tế hơn. Tương tự, nếu đầu ra của bạn luôn rất ngắn (ví dụ: phân loại một từ), việc trả $0,40 cho mỗi 1 triệu token đầu ra có thể lãng phí — hãy cân nhắc một mô hình tối ưu hóa cho phân loại với chi phí đầu ra thấp hơn. GPT-5 Nano tiết kiệm chi phí nhất khi bạn thực sự cần khung ngữ cảnh 400K hoặc khả năng đa phương thức của nó; nếu không, các mô hình đơn giản hơn sẽ giúp tiết kiệm tiền.
Chuẩn đánh giá AA Math đánh giá khả năng suy luận toán học—giải các bài toán số học, đại số và bài toán có lời văn. Điểm số 83.7 cho thấy GPT-5 Nano đã giải đúng 83.7% các nhiệm vụ trong chuẩn đánh giá này. Đây là một hiệu suất mạnh mẽ đối với mô hình “nano”, ngụ ý rằng nó có thể xử lý đáng tin cậy các bài toán từ cấp tiểu học đến đầu cấp trung học, bao gồm cả các bài toán nhiều bước. So sánh điều này với các mô hình lớn hơn có thể đạt điểm trên 90 nhưng có chi phí cho mỗi token cao hơn. Điểm số này xác nhận rằng đối với suy luận toán học, GPT-5 Nano mang lại sự cân bằng tốt giữa chi phí và độ chính xác cho nhiều ứng dụng.
Các số liệu về độ trễ của GPT-5 Nano không được OpenAI công bố công khai kể từ bản phát hành ngày 2025-08-07. Trong thực tế, tốc độ phụ thuộc vào các yếu tố như tổng số token, tải yêu cầu và cơ sở hạ tầng của OrcaRouter. Vì Nano là mô hình nhỏ hơn so với các biến thể lớn, nó có khả năng có độ trễ mỗi token thấp hơn, nhưng các con số chính xác không có sẵn. OrcaRouter xử lý các yêu cầu không đồng bộ với cấu hình thời gian chờ tiêu chuẩn. Đối với các ứng dụng thời gian thực nhạy cảm với độ trễ, chúng tôi khuyên bạn nên chạy điểm chuẩn với tải trọng điển hình của bạn (bao gồm hình ảnh/tệp) thông qua API của OrcaRouter để đánh giá tính phù hợp.
Điểm mạnh: Ngữ cảnh dài (400K token), đầu vào đa phương thức (văn bản/hình ảnh/tệp tin), dung lượng đầu ra lớn (128K token), suy luận toán học vững chắc (83.7 AA Math), và chi phí mỗi token thấp. Hạn chế: Đây không phải là mô hình hoạt động tốt nhất trên các benchmark khác (không có điểm số cho các tác vụ lập trình, suy luận hoặc kiến thức). Số lượng tham số nhỏ hơn đồng nghĩa với việc mô hình sẽ gặp khó khăn với các tác vụ đòi hỏi sắc thái cao hoặc sáng tạo. Ngoài ra, độ trễ không được đảm bảo; không hỗ trợ đầu vào âm thanh hoặc video. Chất lượng đầu ra có thể giảm sút khi sinh văn bản rất dài gần giới hạn 128K. Đối với các tác vụ cần điểm số tối tân, hãy cân nhắc các mô hình GPT‑5 lớn hơn.
Giá cả dựa trên lượng token sử dụng, được tính theo mức giá của nhà cung cấp OpenAI mà không có phí chênh lệch. Token đầu vào: $0.05 cho mỗi 1 triệu token. Token đầu ra: $0.40 cho mỗi 1 triệu token. OrcaRouter chuyển tiếp chính xác các mức giá này. Đối với một cuộc trò chuyện điển hình sử dụng 100,000 token đầu vào (bao gồm hình ảnh được token hóa như một phần của đầu vào) và 10,000 token đầu ra, chi phí sẽ là ($0.05 × 0.1) + ($0.40 × 0.01) = $0.005 + $0.004 = $0.009 (dưới một xu). Tính cước được đo lường ở cấp độ token; bạn có thể đặt giới hạn chi tiêu qua bảng điều khiển OrcaRouter.
Lợi thế chính của GPT-5 Nano là chi phí đầu vào thấp so với kích thước ngữ cảnh của nó. Ví dụ, xử lý một tài liệu có 400K token chỉ tốn $0.02 cho đầu vào (400K / 1M × $0.05). Token đầu ra đắt hơn trên mỗi token, vì vậy nếu ứng dụng của bạn tạo ra các phản hồi rất dài, chi phí đầu ra có thể chiếm ưu thế. Ví dụ, đầu ra 100K token tốn $0.04 (100K / 1M × $0.40). Đánh giá tỷ lệ đầu vào‑trên‑đầu ra trung bình của bạn. Nếu đầu ra ngắn nhưng đầu vào lớn, Nano cực kỳ rẻ. Nếu đầu ra tiến gần 128K, hãy cân nhắc xem có mô hình có tỷ lệ đầu ra rẻ hơn cho tác vụ cụ thể của bạn hay không.
OrcaRouter không tiết lộ cơ chế lưu đệm cụ thể cho từng mô hình. Các phương pháp thực hành tốt nhất của API tiêu chuẩn vẫn được áp dụng: tái sử dụng phản hồi ở cấp độ ứng dụng khi thích hợp và giảm thiểu tiêu thụ token dư thừa. Lưu ý rằng vì GPT-5 Nano hỗ trợ đầu vào tệp và hình ảnh (được token hóa), mỗi tệp hoặc hình ảnh duy nhất được tính là token đầu vào mới. Việc lưu đệm nội dung đã token hóa không được hỗ trợ ở cấp độ API. Để tối ưu hóa chi phí, bạn có thể lưu đệm các phần văn bản trong prompt của mình ở phía máy khách và tránh gửi lại các ngữ cảnh dài giống hệt nhau nếu câu trả lời của mô hình là xác định và bạn kiểm soát temperature=0.
Sử dụng endpoint API tương thích với OpenAI: base URL https://api.orcarouter.ai/v1, model ID "openai/gpt-5-nano-2025-08-07". Ví dụ với curl: curl https://api.orcarouter.ai/v1/chat/completions \ -H "Authorization: Bearer YOUR_ORCAROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "openai/gpt-5-nano-2025-08-07", "messages": [{"role": "user", "content": [{"type": "text", "text": "Giải bài toán này."},{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]}], "max_tokens": 512 }' Tất cả các tham số tiêu chuẩn (temperature, top_p, stop, frequency_penalty, v.v.) đều được hỗ trợ. Các tệp đầu vào có thể được mã hóa base64 hoặc dựa trên URL.
GPT-5 Nano hỗ trợ các tham số hoàn tất trò chuyện tiêu chuẩn: model (bắt buộc, sử dụng ID chính xác), messages (mảng các đối tượng tin nhắn), max_tokens (tối đa 128000), temperature (0–2, mặc định 1), top_p (0–1, mặc định 1), n (số lượng hoàn tất, mặc định 1), stop (chuỗi hoặc mảng), frequency_penalty, presence_penalty, user (định danh duy nhất để theo dõi), và logit_bias. Đối với đầu vào hình ảnh và tệp, sử dụng các đối tượng nội dung với loại "image_url" (cho hình ảnh) hoặc "file" (cho tệp đính kèm, nếu được hỗ trợ—kiểm tra tài liệu OrcaRouter). Các tham số như tools, tool_choice, và response_format có sẵn khi mô hình hỗ trợ đầu ra có cấu trúc.
Việc di chuyển rất đơn giản vì OrcaRouter triển khai chính xác cùng một lược đồ tương thích với OpenAI. Chỉ cần thay đổi hai thứ: 1) Đặt URL gốc thành https://api.orcarouter.ai/v1; 2) Thay khóa API OpenAI của bạn bằng khóa API OrcaRouter (lấy từ bảng điều khiển OrcaRouter). Giữ nguyên tất cả các phần thân yêu cầu khác, bao gồm cả ID mô hình được định dạng như "openai/gpt-5-nano-2025-08-07". OrcaRouter xử lý định tuyến và thanh toán. Không cần thay đổi mã nào ngoài điểm cuối và khóa. Kiểm tra bằng một yêu cầu duy nhất để xác nhận kết nối và hạch toán mức sử dụng token.
Đối với đầu vào dạng file, hãy bao gồm một đối tượng nội dung có type "file" và cung cấp dữ liệu file dưới dạng mã hóa base64 hoặc một URL công khai. OrcaRouter chấp nhận cùng lược đồ như API của OpenAI. Ví dụ nội dung tin nhắn: [{"type": "text", "text": "Summarize this PDF"}, {"type": "file", "file": {"url": "..."}}]. Chi phí token hóa của các file phụ thuộc vào kích thước và độ phức tạp của chúng (hình ảnh được tính là token đầu vào tỷ lệ với độ phân giải). Đảm bảo tổng ngữ cảnh (token văn bản + hình ảnh + file) của bạn dưới 400.000. Đối với các file rất lớn, hãy cân nhắc việc chia nhỏ trước hoặc sử dụng một chiến lược khác.
GPT-5 Nano cung cấp cửa sổ ngữ cảnh lớn hơn (400K so với 128K điển hình của GPT‑4 Mini) và đầu vào đa phương thức (văn bản/hình ảnh/tệp so với chỉ văn bản trong nhiều biến thể Mini). Chi phí của nó thấp hơn: $0,05/$0,40 trên mỗi triệu token so với mức giá của GPT‑4 Mini thường cao hơn cho đầu ra. Tuy nhiên, GPT‑4 Mini có thể cung cấp suy luận nhanh hơn (mặc dù chỉ số độ trễ chưa được công bố cho cả hai). Điểm AA Math của GPT‑5 Nano (83,7) cạnh tranh hoặc vượt trội so với hiệu suất toán học của GPT‑4 Mini. Đối với các tác vụ đa phương thức, ngữ cảnh dài, Nano là lựa chọn rõ ràng; đối với văn bản chung ngắn, Mini vẫn có thể tiết kiệm chi phí.
GPT-5 Pro là mô hình lớn flagship của OpenAI với điểm benchmark cao hơn trên tất cả các mặt nhưng cũng có giá token cao hơn (giá cụ thể không được cung cấp). Pro có thể có cửa sổ ngữ cảnh nhỏ hơn (tin đồn 128K) nhưng suy luận, viết mã và sáng tạo tốt hơn. GPT-5 Nano đánh đổi một phần độ chính xác và khả năng để có giá thấp hơn nhiều và ngữ cảnh dài hơn. Nếu ưu tiên của bạn là chất lượng tối đa cho các tác vụ khó, hãy chọn Pro. Nếu bạn cần xử lý lượng lớn dữ liệu một cách kinh tế và có thể chấp nhận độ chính xác vừa phải, Nano là lựa chọn vượt trội. Cả hai đều có thể truy cập qua OrcaRouter với cùng định dạng API.
OrcaRouter cung cấp quyền truy cập vào nhiều mô hình. Các lựa chọn thay thế bao gồm các mô hình OpenAI lớn hơn (GPT‑5 Pro) cho độ chính xác cao hơn, các mô hình nhỏ hơn (GPT‑4 Mini) cho văn bản đơn giản, hoặc các mô hình bên thứ ba như Claude của Anthropic hay Llama của Meta. Mỗi mô hình có cửa sổ ngữ cảnh, giá cả và hỗ trợ phương thức khác nhau. Ví dụ, Claude 3 Haiku có thể cung cấp tốc độ nhanh hơn nhưng không hỗ trợ đầu vào hình ảnh. Bạn có thể so sánh chi phí trên mỗi token trên trang giá của OrcaRouter. GPT-5 Nano nổi bật đặc biệt nhờ sự kết hợp giữa ngữ cảnh 400K, đầu vào đa phương thức và chi phí đầu vào thấp—khiến nó trở nên độc đáo trong số các mô hình nhẹ.
GPT-5 Nano, giống như các mô hình OpenAI khác được truy cập qua API, không mặc định huấn luyện trên dữ liệu của bạn (chính sách sử dụng dữ liệu API của OpenAI được áp dụng). OrcaRouter hoạt động như một proxy và không lưu trữ prompts hay phản hồi của bạn vượt quá mức cần thiết cho việc tính phí và ghi log yêu cầu (tùy thuộc vào chính sách bảo mật của họ). Cả hai nhà cung cấp đều cam kết không sử dụng dữ liệu API để cải thiện mô hình trừ khi bạn chọn tham gia. Đối với dữ liệu nhạy cảm, hãy cân nhắc sử dụng mô hình cục bộ hoặc chuyên dụng. Cách xử lý dữ liệu của GPT‑5 Nano giống hệt với các mô hình API OpenAI khác—không có thêm việc lưu giữ dữ liệu nào bởi OrcaRouter.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
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| Đầu vào / 1M tokens | $0.050 |
| Đầu ra / 1M tokens | $0.400 |
| Đọc cache / 1M | $0.0050 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/openai/gpt-5-nano-2025-08-07Mở @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