GPT-5-Nano 是 GPT-5 系统中最小、最快的变体，针对开发者工具、快速交互和超低延迟环境进行了优化。与较大的...相比，其推理深度有限...
GPT-5 Nano 是 OpenAI GPT-5 系列中的一个小规模模型，专为低成本推理而优化，同时保留了 40 万 token 的大上下文窗口和最高 12.8 万 token 的输出。它支持文本、图像和文件输入模式，适用于多模态任务。该模型的突出基准是在 AA Math 上取得 83.7 分，反映出强大的算术和文字题求解能力。用户可通过 OrcaRouter 的 OpenAI 兼容 API…
GPT-5 Nano 支持三种输入模态：文本、图像和文件。文本输入直接明了。图像输入允许模型处理视觉信息（例如图表、截图）并回答相关问题。文件输入可让你附加 PDF、Word 文档或其他文件类型，进行文档级分析。所有模态可在单次请求中组合使用。模型在其 40 万个 token 的上下文窗口内处理这些输入。请注意，图像 token 会消耗上下文预算；高分辨率图像可能使用数千个 token。这种多模态支持使 GPT-5 Nano 适用于图表阅读、表格提取和混合媒体分析等任务。
该模型支持400,000个token的上下文窗口（包括输入和输出token），最大输出可达128,000个token。这使得单次请求即可处理极长文档——例如书籍长度的文本或多页报告。慷慨的输出限制意味着模型能够生成长篇回复，如完整摘要或详细分析。然而，大量输出也会产生更高的输出token成本，每100万个token收费0.40美元。开发者应适当设置max_tokens参数，以避免不必要的成本激增。
鉴于其在数学基准测试（AA Math 83.7）中的强劲表现，该模型在算术应用题、数学辅导和定量推理方面表现出色。其多模态能力使其可用于解读扫描的数学练习册、图表或图示。低廉的定价支持自动化客户支持、内容分类和从文件中实时提取数据等高容量应用。对于简单的文本生成（如简短的邮件草稿、要点总结），GPT-5 Nano 提供了比大型模型更经济高效的替代方案。它不太适合创意故事编写、代码生成或需要深度事实回忆的任务。
如果你的任务极其简单（例如，单词分类、是非题），且不需要大上下文或多模态支持，那么像 OpenAI 的 GPT-3.5 Turbo 这样更小或更便宜的模型可能就足够了。GPT-5 Nano 的价格已经很低，但对于只涉及短输入和输出（例如每次几个 token）的任务，使用每 token 定价更低的模型可以进一步降低成本。此外，如果你不需要 400k 上下文，那么上下文更小但固定开销更低的模型可能更经济。始终在你的数据上进行基准测试，以找到最佳的性价比权衡。
GPT-5 Nano在AA Math上取得了83.7分，AA Math是一项衡量小学数学级别算术和数学应用题解题能力的基准测试。这一分数表明，相对于其模型规模，该模型在此类任务上表现强劲。AA Math包括加法、减法、乘法、除法以及多步应用题。83.7的结果表明该模型能准确处理许多常见数学问题，但在更复杂或多步骤问题上仍可能出现错误。该模型未提供其他基准测试分数，因此无法在编码、常识或推理方面进行比较。
没有提供GPT-5 Nano的具体延迟数据。不过，作为一款小型模型，通常预期其每Token处理速度快于GPT-4o等大型模型。OrcaRouter通过其兼容OpenAI的API提供服务，网络延迟取决于用户位置和提供商基础设施。对于实时应用，建议使用代表性输入测试延迟。该模型较小的参数量通常能在相同硬件上实现更高的吞吐量，从而减少生产环境中的等待时间，尤其是在高并发情况下。
根据提供的AA数学评分83.7，GPT-5 Nano在数学推理和算术方面表现出色。这使得它适用于教育工具、数据分析以及任何涉及结构化数值处理的任务。其处理图像和文件的能力进一步支持以文档为中心的数学问题。弱点是缺乏其他领域的基准测试，如编程（HumanEval）、通用知识（MMLU）或对话流畅性。用户不应假设其在非数学任务中具有同等性能。该模型在理解微妙语境或生成长篇创意内容方面也可能能力较弱。
在没有推理、编程或常识基准测试的情况下，GPT-5 Nano 的通用智能无法量化。其 83.7 的 AA Math 分数虽然可观，但并不能保证在其他领域的能力。该模型较小，因此在模糊主题上可能比大型模型产生更多事实错误或输出连贯性较差。其 400k 上下文窗口很大，但有效利用该上下文可能需要精心设计提示词。未提供速度评级意味着实际延迟需要验证。用户在部署前应自行在特定任务的指标上进行评估。
GPT-5 Nano 的价格为每 100 万输入令牌 0.05 美元，每 100 万输出令牌 0.40 美元。这些费率由 OpenAI 设定，并通过 OrcaRouter 零加价传递。输入令牌包括提示以及任何图像或文件令牌。输出令牌是生成的回复。双向均根据令牌数量计费。对于典型的 1000 令牌提示和 500 令牌回复，每次请求的成本约为 0.00005 美元（输入）+ 0.0002 美元（输出）= 0.00025 美元。对于具有 40 万上下文窗口和 12.8 万输出的模型来说，这具有竞争力。
虽然GPT-5 Nano价格低廉，但输出令牌的成本是输入令牌的八倍（每1M令牌$0.40 vs $0.05）。对于生成较长回复（如10k+输出令牌）的应用，输出成本可能占主导。开发者应将max_tokens限制在所需最小值。来自图像和文件的输入令牌按相同输入费率计费，但高分辨率图像会消耗大量令牌（例如，一张1百万像素的图像可能消耗约2,000个令牌）。使用较低分辨率或减少图像数量可以降低成本。大上下文窗口鼓励长提示，但每个额外令牌都会增加成本。在上下文大小与令牌预算之间取得平衡。
OrcaRouter 直接透传 OpenAI 的定价，不加价，但缓存策略由 OpenAI 决定。提供商可能为重复的相同输入前缀提供缓存，从而减少输入令牌费用。不过，OpenAI 未提供关于 GPT-5 Nano 缓存的具体细节。开发者应查阅 OpenAI 的文档以了解其缓存策略。OrcaRouter 不添加自己的缓存层，而是作为透明网关。如果可用缓存，对于具有重复性提示的应用（例如自动客服或基于模板的生成），可以显著降低成本。
使用GPT-5 Nano时，请将基础URL设置为https://api.orcarouter.ai/v1，并在API请求中将模型ID指定为"openai/gpt-5-nano"。该端点与OpenAI兼容，因此您可以使用任何OpenAI SDK或HTTP客户端。典型的请求包括诸如messages、max_tokens、temperature和stop sequences等参数。OrcaRouter将请求转发给OpenAI，并直接返回响应，不进行额外处理。身份验证通过OrcaRouter提供的API密钥完成。这使得已使用OpenAI API的用户迁移变得简单：只需更改基础URL、模型ID和API密钥即可。
所有标准 OpenAI 聊天补全参数均通过 OrcaRouter 的代理支持——例如，messages（包含 role: system、user、assistant）、max_tokens、temperature、top_p、frequency_penalty、presence_penalty、stop 和 stream。对于多模态输入，您可以在 content 数组中包含 image_url 或 file_type 字段。该模型还支持函数调用（function calling）和工具（tools），尽管在提供的事实中未详细说明。像 n（补全数量）和 logprobs 等参数也可能可用。请参阅 OpenAI 的 API 文档以获取完整列表。OrcaRouter 不会修改或限制参数。
迁移到GPT-5 Nano非常简单。如果您当前使用OpenAI API，只需将基础URL改为https://api.orcarouter.ai/v1，将API密钥替换为OrcaRouter密钥，并将模型设置为"openai/gpt-5-nano"。请求格式保持不变。您可能需要根据小模型调整temperature和max_tokens参数。建议先用部分提示词进行测试，评估输出质量。由于GPT-5 Nano参数量较小，对指令的响应可能有所不同，可能需要进行提示词调优。OrcaRouter不添加任何标记，因此可直接进行成本对比。
GPT-4o 是一款更大、能力更强的模型，在大多数领域（如 MMLU、HumanEval）拥有更高的基准分数，但定价也更高。GPT-5 Nano 则针对成本和速度进行了优化。GPT-4o 的上下文窗口目前较小（128k tokens），而 GPT-5 Nano 拥有 400k tokens，不过 GPT-4o 在推理和创造力方面更胜一筹。对于需要大上下文或专注于数学问题的任务，GPT-5 Nano 可能更合适。而对于复杂的编码、细腻的对话或要求高准确度的任务，GPT-4o 很可能更具优势。选择取决于你的预算和性能需求。
GPT-3.5 Turbo 是一款较老的小型模型，定价相当，但上下文窗口小得多（16k tokens），且不支持多模态。GPT-5 Nano 提供 400k 上下文窗口、128k 输出以及图像/文件输入，使其在长文档和多模态任务中能力更强。然而，GPT-3.5 Turbo 对于短文本交互可能足够，并且由于处理更小上下文，可能具有更低的延迟。目前尚无基准比较数据，但 GPT-5 Nano 的 AA 数学得分 83.7 表明其数学推理能力更强。对于纯文本短任务，GPT-3.5 Turbo 仍然是经济实惠的选择。
GPT-4o Mini 是 GPT-4o 的较小变体，具有类似的多模态支持，上下文窗口为 128k tokens。GPT-5 Nano 提供三倍上下文（400k tokens）和更大的输出限制（128k 对比 GPT-4o Mini 的 16k）。GPT-4o Mini 的定价（通常输入 $0.15/M，输出 $0.60/M）高于 GPT-5 Nano 的 $0.05/$0.40。然而，GPT-4o Mini 作为 GPT-4o 的精简版本，在通用推理和指令遵循方面可能更出色。GPT-5 Nano 的单一强基准（AA Math）表明它专攻数学。对于需要大上下文的数学密集型任务，选择 GPT-5 Nano；对于更广泛的能力，选择 GPT-4o Mini。
兼容 OpenAI——沿用你现有的 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| 输入 / 1M tokens | $0.050 |
|---|---|
| 输出 / 1M tokens | $0.400 |
| 缓存读取 / 1M | $0.0050 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
本周开发者的讨论
@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