GPT-5-Nano 是 GPT-5 系統中最小、最快的變體，專為開發者工具、快速互動及超低延遲環境而優化。雖然在推理深度上相較於更大的版本有所限制...
GPT-5 Nano 是 OpenAI GPT-5 系列中的小型模型，專為低成本推論而優化，同時保留了 400,000 個令牌的大上下文視窗與最多 128,000 個令牌的輸出。它支援文字、圖片及檔案輸入模式，使其適用於多模態任務。該模型的突出基準是在 AA Math 上獲得 83.7 分，展現了強大的算術與應用題解題能力。使用者可透過 OrcaRouter 的 OpenAI 相容 API…
GPT-5 Nano 支援三種輸入模態：文字、圖片和檔案。文字輸入直接明瞭。圖片輸入讓模型能夠處理視覺資訊（例如圖表、螢幕截圖）並回答相關問題。檔案輸入則允許你附加 PDF、Word 文件或其他檔案類型進行文件層級的分析。所有模態可在單一請求中結合使用。模型在其 40 萬個 token 的上下文視窗內處理這些輸入。請注意，圖片 token 會消耗上下文預算；一張高解析度圖片可能使用數千個 token。這種多模態支援使 GPT-5 Nano 適用於圖表判讀、表單提取及混合媒體分析等任務。
該模型支援40萬個令牌的上下文窗口（包括輸入和輸出令牌），並可產生最多12.8萬個令牌的輸出。這使得單次請求即可處理極長的文件，例如書本長度的文字或多頁報告。寬裕的輸出限制意味著模型能夠產生較長的回應，像是完整的摘要或深入分析。然而，大量輸出也會產生較高的輸出令牌成本，每100萬個令牌收費0.40美元。開發人員應該適當設定max_tokens參數，以避免非預期的成本增加。
考量到其強大的數學基準測試成績（AA Math 83.7），該模型在算術應用題、數學輔導及量化推理方面表現出色。其多模態能力使其可用於解讀掃描的數學作業、圖表或流程圖。低廉的定價支援高流量應用，例如自動客服、內容分類，以及從檔案中即時提取數據。對於簡單的文字生成（如簡短電子郵件草稿、條列式摘要），GPT-5 Nano 提供了比大型模型更具成本效益的替代方案。但該模型較不適用於創意敘事、程式碼生成，或需要深度事實回憶的任務。
如果您的任務極其簡單（例如單詞分類、是/否問題），且不需要龐大的上下文或多模態支援，那麼像 OpenAI 的 GPT-3.5 Turbo 這類較小或較便宜的模型可能就已足夠。GPT-5 Nano 的價格已經很低，但對於僅涉及短輸入和輸出（例如每次幾個 token）的任務，採用單 token 定價更低的模型可進一步降低成本。此外，如果您不需要 400k 的上下文長度，選擇上下文較小但固定開銷更低的模型可能更經濟。請務必使用您的數據進行基準測試，以找到最佳的成本效益平衡點。
GPT-5 Nano 在 AA Math 上達到 83.7 分，這是一項衡量小學階段算術與數學文字題解題能力的基準測試。此分數顯示該模型在相關任務上相對於其模型規模表現優異。AA Math 包含加法、減法、乘法、除法以及多步驟文字題。83.7 的結果表明該模型能準確處理許多常見的數學查詢，但在更複雜或多步驟的題目上仍可能出錯。該模型未提供其他基準測試分數，因此無法比較其在程式設計、一般知識或推理方面的表現。
沒有提供 GPT-5 Nano 的具體延遲數據。然而，作為一個小型模型，通常預期每個 token 的速度會比 GPT-4o 等大型模型更快。OrcaRouter 透過其與 OpenAI 相容的 API 提供此模型，網路延遲取決於使用者位置和提供商基礎設施。對於即時應用，建議使用代表性輸入測試延遲。該模型的參數數量較小，通常允許在相同硬體上實現更高吞吐量，這可以減少生產環境中的等待時間，特別是在高併發情況下。
根據提供的 AA Math 分數 83.7，GPT-5 Nano 在數學推理和算術方面表現出色。這使其適用於教育工具、數據分析，以及任何涉及結構化數值處理的任務。其處理圖片和檔案的能力進一步支援以文件為中心的數學問題。弱點包括缺乏其他領域的基準測試結果，例如程式碼（HumanEval）、常識知識（MMLU）或對話流暢度。使用者不應假設其在非數學任務上有相同表現。該模型在理解細微語境或生成長篇創意內容方面可能也較為不足。
沒有推理、編碼或常識基準測試，GPT-5 Nano 的通用智能無法量化。其 83.7 的 AA 數學分數雖然可觀，但無法確保在其他領域的能力。該模型體積較小，因此在模糊主題上可能比大型模型產生更多事實錯誤或較不連貫的輸出。其 400k 上下文視窗很大，但有效利用該上下文可能需要仔細的提示工程。缺乏提供的速度評級意味著實際延遲應予以驗證。用戶應在部署前自行針對任務特定指標進行評估。
GPT-5 Nano 的定價為每100萬個輸入代幣0.05美元，每100萬個輸出代幣0.40美元。這些費率由OpenAI設定，並由OrcaRouter以零加成傳遞。輸入代幣包括提示詞以及任何圖像或文件代幣。輸出代幣是指生成的回應。雙向都根據代幣數量計費。對於一個典型的1,000代幣提示詞和500代幣回應，每次請求的成本約為0.00005美元（輸入）+ 0.0002美元（輸出）= 0.00025美元。對於擁有40萬上下文視窗和12.8萬輸出的模型來說，這具有競爭力。
雖然GPT-5 Nano價格便宜，但輸出Token的成本是輸入Token的八倍（每1M分別為$0.40與$0.05）。對於需要生成大量回應的應用（例如超過10,000個輸出Token），輸出成本可能佔主導地位。開發者應將max_tokens限制在所需的最低數量。來自圖片和檔案的輸入Token以相同輸入費率計費，但高解析度圖片會消耗大量Token（例如，1百萬像素的圖片可能使用約2,000個Token）。使用較低解析度或減少圖片數量可以降低成本。大上下文視窗鼓勵使用長提示，但每個額外的Token都會增加成本。請在上下文大小與Token預算之間取得平衡。
OrcaRouter 轉發 OpenAI 的定價，不加價，但快取策略由 OpenAI 決定。供應商可能為重複的相同輸入前綴提供快取，這會減少輸入 token 的費用。然而，目前未提供關於 GPT-5 Nano 快取的具體細節。開發者應查閱 OpenAI 的文件以了解其快取策略。OrcaRouter 不會添加自己的快取層，它作為一個透明閘道運作。如果有快取可用，對於具有重複提示詞的應用程式（例如自動化客戶支援或基於模板的生成）來說，可以大幅降低成本。
要使用 GPT-5 Nano，請將基礎 URL 設為 https://api.orcarouter.ai/v1，並在 API 請求中指定模型 ID 為 "openai/gpt-5-nano"。該端點與 OpenAI 相容，因此您可以使用任何 OpenAI SDK 或 HTTP 客戶端。一個典型的請求包含參數如 messages、max_tokens、temperature 和 stop sequences。OrcaRouter 會將請求轉發給 OpenAI，並在未經任何額外處理的情況下回傳回應。驗證是透過 OrcaRouter 提供的 API 金鑰來完成。這使得已經使用 OpenAI API 的使用者能輕鬆遷移：只需更改基礎 URL、模型 ID 和 API 金鑰。
所有標準 OpenAI 聊天完成參數均透過 OrcaRouter 的代理支援——例如，messages（角色包含 system、user、assistant）、max_tokens、temperature、top_p、frequency_penalty、presence_penalty、stop 以及 stream。對於多模態輸入，您可以在 content 陣列中包含 image_url 或 file_type 欄位。該模型也支援函式呼叫與工具，但所提供的資料中並未詳細說明。其他參數如 n（完成數量）與 logprobs 可能也可用。請參閱 OpenAI 的 API 文件以取得完整列表。OrcaRouter 不會修改或限制任何參數。
遷移至GPT-5 Nano非常直接。如果您目前使用OpenAI的API，只需將基礎URL更改為https://api.orcarouter.ai/v1，將您的API金鑰替換為OrcaRouter金鑰，並將模型設定為"openai/gpt-5-nano"。請求格式保持不變。您可能需要調整temperature和max_tokens以適應較小的模型。先用一部分提示詞進行測試，評估輸出品質。由於GPT-5 Nano的參數數量較少，其對指令的回應可能有所不同；可能需要調整提示詞。OrcaRouter不提供任何標記，因此成本比較一目了然。
GPT-4o 是較大型、能力更強的模型，在多數領域（如 MMLU、HumanEval）的基準測試分數更高，但定價也更高。GPT-5 Nano 則針對成本與速度進行了最佳化。GPT-4o 的上下文視窗目前較小（128k tokens），而 GPT-5 Nano 則有 400k tokens，不過 GPT-4o 在推理與創造力方面更強。對於需要大型上下文或專注於數學問題的任務，GPT-5 Nano 可能更合適；而對於複雜的程式設計、細膩的對話或要求高準確度的任務，GPT-4o 通常表現更佳。選擇取決於您的預算與效能需求。
GPT-3.5 Turbo 是較舊的小型模型，定價相近，但上下文視窗小得多（16k tokens），且不支援多模態。GPT-5 Nano 提供 400k 上下文視窗、128k 輸出以及圖片/檔案輸入，使其在長文件與多模態任務上能力更強。然而，GPT-3.5 Turbo 對於簡短的純文字互動可能足夠，且因處理較小上下文而延遲較低。目前尚無基準測試比較，但 GPT-5 Nano 的 AA 數學分數 83.7 顯示其數學推理能力更佳。對於純文字的簡短任務，GPT-3.5 Turbo 仍是具成本效益的選擇。
GPT-4o Mini 是 GPT-4o 的較小變體，具備類似的多模態支援和 128k 標記的上下文視窗。GPT-5 Nano 提供三倍的上下文（400k 標記）和更大的輸出限制（128k，而 GPT-4o Mini 為 16k）。GPT-4o Mini 的定價（通常為每百萬輸入 $0.15，每百萬輸出 $0.60）高於 GPT-5 Nano 的 $0.05/$0.40。然而，GPT-4o Mini 作為 GPT-4o 的蒸餾版本，可能在一般推理和指令遵循方面表現更佳。GPT-5 Nano 的單一強項基準測試（AA Math）顯示其專門用於數學。若處理需大量上下文的數學密集型任務，請選擇 GPT-5 Nano；若需更廣泛的能力，則選擇 GPT-4o Mini。
相容 OpenAI——沿用你現有的 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| 輸入 / 1M tokens | $0.050 |
|---|---|
| 輸出 / 1M tokens | $0.400 |
| 快取讀取 / 1M | $0.0050 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@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