GPT-5.4 nano 是 GPT-5.4 系列中最轻量且最具成本效益的变体，针对速度关键型和高容量任务进行了优化。它支持文本和图像输入，并专为低延迟而设计...
OpenAI GPT-5.4 Nano 是由 OpenAI 开发的语言模型，通过 OrcaRouter 的 OpenAI 兼容 API 进行访问。该模型支持文件、图像和文本输入方式，提供 400,000 token 的上下文窗口，最大输出为 128,000 token。模型定价为每百万输入 token 0.20 美元，每百万输出 token 1.25 美元，OrcaRouter…
40万令牌的上下文窗口使得GPT-5.4 Nano能够在单次API调用中处理整部小说、长篇研究论文或长对话历史。这消除了处理大型文档时进行分块或摘要的需求。例如，你可以输入一份完整的法律合同（通常为3万至5万词），并要求逐条款分析。该模型还能在极长提示下保持连贯推理，适用于多步骤代码审查或叙事生成等复杂任务。请注意，更大的上下文会增加延迟和成本，因此仅在必要时使用完整窗口。
如果你的任务只需要短输入（几千个token），且不需要图像或文件支持，那么像GPT-4o mini这样的小型模型会更加经济高效且速度更快。GPT-5.4 Nano更大的上下文窗口和多模态能力意味着更高的每token成本。对于简单的聊天机器人、分类或轻量级摘要任务，较便宜的模型可以在不支付未使用容量费用的情况下提供同等质量。此外，如果你的应用要求极低延迟或高吞吐量，较小的模型通常推理时间更短。仅在需要其独特功能——长上下文、大输出或多模态输入——时才使用GPT-5.4 Nano。
GPT-5.4 Nano 可在单次响应中生成最多 128,000 个 tokens。这对于需要生成超长内容的任务非常有用，例如起草完整报告、撰写长篇故事或生成全面的代码库。结合大上下文窗口，你可以输入一个冗长的提示，并接收同样长的回答，而无需多次往返。然而，生成如此长的输出可能成本较高且速度较慢。对于大多数应用，较短的输出（例如几千个 tokens）就足够了。128K 限制是一个上限，而非目标；你应在 API 调用中设置合适的 max_tokens 以控制成本和延迟。
GPQA（研究生级物理问答）钻石基准用于测试模型回答研究生级别物理概念多项选择题的能力。GPT-5.4 Nano在该基准上取得81.7%的得分，意味着其正确回答了81.7%的问题，展现出在专业领域内强大的推理能力。由于该数据集极具挑战性，高分表明模型能够处理复杂的科学推理。然而，基准测试并不能全面反映模型能力；在您的特定任务上，实际表现可能有所不同。建议将此得分与OrcaRouter上其他可用模型的得分进行比较，以评估其在推理任务中的相对能力。
延迟时间取决于输入和输出令牌数、模型负载以及OrcaRouter基础设施。对于简短提示（例如，输入1,000个令牌，输出100个令牌），响应时间通常为几秒。对于非常大的上下文（例如，输入400K个令牌），由于需要额外的处理，延迟可能会显著增加。输出生成速度与产生的令牌数成正比。OrcaRouter不提供具体的延迟数据，但你可以根据通用OpenAI性能中的模型首令牌时间和每秒令牌数进行估算，注意更大的上下文会同时增加这两者。要获得最低延迟，请使用较小的上下文和输出。
优势：GPQA Diamond 得分高（81.7），展示了先进的科学推理能力。其大上下文窗口和多模态输入使其在需要整合多页或图像信息的任务中优于较小模型。局限：基准测试未涵盖所有领域。在冷门主题或高度模糊的查询上，模型仍可能出错。它并未针对编码或创意写作进行专门优化，尽管在这些任务上表现可能不错。此外，由于是大型模型，其成本高于替代方案，速度也更慢。对于大多数基准测试，应使用自己的数据评估模型以确认其适用性。
定价为每100万输入令牌0.20美元，每100万输出令牌1.25美元。OrcaRouter按提供商费率计费，零加价，因此您支付的就是OpenAI的直接成本。输入令牌包括提示词、图像令牌（按倍数计算）以及提取后的文件内容。输出令牌为生成的回复。API访问或使用层级无额外费用。这种透明的定价让成本估算变得简单：例如，10,000令牌输入和1,000令牌输出的每次调用成本为0.002美元 + 0.00125美元 = 0.00325美元。
相对于较小模型，每令牌的高昂成本意味着你应该合理调整使用规模。如果你的每个请求只使用1万–2万令牌，那么使用GPT-4o mini（如果可用）等更便宜的模型会经济得多。然而，如果你确实需要400K上下文或128K输出，GPT-5.4 Nano可能是唯一实际的选择。缓存可以降低成本：OrcaRouter目前未提及提示缓存，但你可以构建提示，重用较大的静态前缀，以尽量减少重复的输入令牌。另外，请记住，图像输入会产生与图像分辨率成正比的令牌成本；尽可能使用较低分辨率的图像。
OrcaRouter 会直接传递提供商费率，不加价，因此如果 OpenAI 提供折扣（如批量折扣或承诺使用折扣），这些折扣将适用。不过，目前没有关于 OrcaRouter 上 GPT-5.4 Nano 的具体缓存功能文档。为管理成本，您可以实现客户端提示缓存，或使用跨请求保持不变的系统消息等模式。如果预计有高流量，请联系 OrcaRouter 咨询可能的协商费率。目前仍按标准按 token 计费。
您通过 OrcaRouter 的 OpenAI 兼容 API（base_url 为 https://api.orcarouter.ai/v1）访问 GPT-5.4 Nano。在请求中使用模型 ID "openai/gpt-5.4-nano"。该 API 遵循与 OpenAI Chat Completions 端点相同的格式，因此您只需更改基础 URL 和模型名称即可使用现有的 OpenAI SDK。以下是使用 Python openai 库的示例： ```python from openai import OpenAI client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key") response = client.chat.completions.create( model="openai/gpt-5.4-nano", messages=[{"role": "user", "content": "Hello"}] ) ``` 所有标准参数，如 temperature、max_tokens、top_p 等，均受支持。
对于大多数用例，将温度设置为合理的值，如 0.7 以平衡效果，或针对事实性任务设置为较低值（0.2–0.4）。max_tokens 默认为模型的最大值（128K），但应显式设置以控制成本。对于标准响应，典型设置为 4096 个令牌。对于图像输入，在 content 数组中使用 data URL 格式或 URL 包含图像。对于文件输入，将文件上传到 OrcaRouter 并引用其 URL；OrcaRouter 的 API 支持文件附件。您还可以使用系统消息设置行为。Top_p 可保留为 1，频率/惩罚参数照常工作。
迁移很简单，因为OrcaRouter的API完全兼容OpenAI。将基础URL从https://api.openai.com/v1改为https://api.orcarouter.ai/v1，并将模型名称从"gpt-5.4-nano"替换为"openai/gpt-5.4-nano"。您的现有代码、SDK和身份验证模式仅需这两处更改即可正常工作。OrcaRouter使用自己的API密钥，请从您的OrcaRouter账户获取API密钥。无需对消息、工具、流式传输或其他功能进行更改。在扩展之前，先用小请求测试以确认连接。
与GPT-4o或GPT-4o mini等较小的OpenAI模型相比，GPT-5.4 Nano提供更大的上下文窗口（400K对比通常的128K）和更高的输出上限（128K对比16K），同时支持多模态输入。然而，其每token成本更高：每百万token为$0.20/$1.25，而较小模型的费率更低。其GPQA Diamond得分为81.7，可能高于旧模型，但与未来模型不具直接可比性。对于适合较小上下文的任务，选择更便宜的模型更为可取。GPT-5.4 Nano被定位为面向高要求应用的高端选项。
在没有具体基准比较的情况下，我们只能根据规格进行对比。GPT-5.4 Nano的400K上下文长度与Anthropic Claude的200K上下文类似，但更大。其多模态输入支持与Gemini的能力相当。定价方面：GPT-5.4 Nano为$0.20/$1.25，与Claude Opus和Gemini Ultra相比具有竞争力，但具体费率有所差异。GPQA Diamond得分81.7只是一个数据点；其他模型可能得分不同。对于长上下文任务，GPT-5.4 Nano是一个强有力的候选，但最佳模型取决于你的具体领域。请在你的数据上进行测试，以确定哪个模型能带来更好的结果。
如果您的用例需要非常大的上下文窗口和多模态输入（文本+图像+文件），例如分析包含嵌入图片和图表的300页PDF，请选择GPT-5.4 Nano。如果只需要长文本而不需要图像，其他模型如Claude 3.5 Sonnet（200K上下文）或Gemini 1.5 Pro（1M上下文）可能更具成本效益或提供不同的优势。考虑定价：GPT-5.4 Nano在OrcaRouter上的费率透明且零加价，因此请比较每token成本。此外，如果您已经依赖OpenAI生态系统（工具、SDK、微调），继续使用GPT-5.4 Nano可以简化集成。
潜在限制：在编程或创意任务中缺乏被引用的优势。其400K上下文虽大，但小于某些竞品如Gemini 1.5 Pro（100万token）。其基准分数（GPQA Diamond 81.7分）可能不代表在所有推理任务上表现更优。该模型未针对低延迟优化；较小模型响应更快。此外，由于是大型模型且运行在OpenAI基础设施上，您会受到其可用性和速率限制的影响。OrcaRouter可能有自己的队列。对于医学或法律等高度专业化的领域，微调模型可能更合适。请仔细权衡利弊。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.4-nano",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| 输入 / 1M tokens | $0.200 |
| 输出 / 1M tokens | $1.25 |
| 缓存读取 / 1M | $0.020 |
| 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。
@misc{orcarouter_gpt_5_4_nano,
title = {GPT-5.4 Nano API},
author = {OpenAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.4-nano}
}OpenAI. (2026). GPT-5.4 Nano API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.4-nano