OpenAI GPT-5 Nano：400K 上下文，83.7 AA Math，文字/圖片/檔案輸入，透過 OrcaRouter 每百萬輸入 tokens $0.05 美元。
OpenAI GPT-5 Nano（2025-08-07 發布）是GPT-5系列中較小、成本最佳化的成員。它提供400,000 token的上下文視窗——足以在單次處理中處理整個長篇文件或書本長度的內容。該模型最多可輸出128,000 token，涵蓋擴展的多輪對話或詳細推理步驟。輸入支援文字、圖片和檔案，實現靈活的多模態接收。其在AA…
GPT-5 Nano 可接受文字、圖片與檔案輸入，使其能對混合格式的內容進行推理。其 400,000 個 token 的上下文能容納數百頁文字，同時包含嵌入的圖片或文件附件。該模型單次回應最多可產生 128,000 個 token，適用於長篇分析輸出、程式碼生成或多步驟數學證明。其 AA 數學分數達 83.7，展現出強大的算術與邏輯推理能力。常見應用包括長文件摘要、圖片轉文字註解、基於檔案的資料擷取，以及需要同時理解圖表與文字脈絡的教育問題解答。
最佳使用案例利用模型的大上下文與多模態輸入，而不要求最高的基準效能。例如：處理一份300頁的法律合約及其附件（簽名圖片、表格）以提取義務條款。另一個：分析一篇帶有圖表的長篇研究論文，然後撰寫一萬字的評論。在教育領域，GPT-5 Nano 可以逐步解決複雜的數學問題，使用手寫方程式的圖片。對於數據管道，它可以攝入PDF和圖片，輸出結構化數據。這些任務受益於低廉的輸入成本（$0.05/M tokens）以及直接處理文件的能力。
若您的應用程式永遠不需要超過約8,000個token的上下文，且無需圖片或檔案輸入，那麼選用較小、成本較低的模型（例如GPT-4 Mini，token費用更低）會更划算。同理，若您的輸出始終非常簡短（如單字分類），支付每百萬輸出token 0.40美元可能浪費——建議考慮專為分類設計、輸出成本較低的模型。GPT-5 Nano在真正需要其40萬token上下文視窗或多模態能力時最具成本效益；否則，較簡單的模型將能節省開支。
AA Math基準測試評估數學推理能力——解決算術、代數和文字題。83.7的分數表示GPT-5 Nano正確解決了此基準測試中83.7%的任務。對於一個「nano」模型來說，這是一個強勁的表現，意味著它能夠可靠地處理從小學到高中初期的數學問題，包括多步驟問題。與可能在90分以上但每次token成本更高的較大模型相比，這個分數證實了在數學推理方面，GPT-5 Nano在許多應用中提供了良好的成本準確性權衡。
截至2025年8月7日發布時，OpenAI尚未公開GPT-5 Nano的延遲數據。實際速度取決於總token數、請求負載以及OrcaRouter的基礎設施等因素。由於Nano相較於大型變體屬於較小模型，其單token延遲可能較低，但確切數字無法取得。OrcaRouter以標準逾時設定非同步處理請求。針對延遲敏感的即時應用，建議透過OrcaRouter API以您的典型負載（包含圖片/檔案）進行基準測試，以評估適用性。
優勢：長上下文（400K tokens）、多模態輸入（文字/圖片/檔案）、大輸出容量（128K tokens）、紮實的數學推理能力（AA Math 83.7），以及低廉的每個 token 成本。限制：它在其他基準測試中並非表現最佳的模型（未提供程式碼、推理或知識任務的分數）。其較小的參數數量可能意味著它在處理高度細微或創意性任務時較為吃力。此外，延遲不保證；不支援音訊或視訊輸入。在接近128K限制的非常長生成內容上，輸出品質可能下降。對於需要最先進分數的任務，請考慮更大的GPT-5模型。
定價基於代幣使用量，按OpenAI提供商費率收取，無加價。輸入代幣：每100萬個代幣$0.05。輸出代幣：每100萬個代幣$0.40。OrcaRouter以這些精確費率傳遞。對於一次典型對話，使用100,000個輸入代幣（包括作為輸入一部分的圖像標記化）和10,000個輸出代幣，成本為($0.05 × 0.1) + ($0.40 × 0.01) = $0.005 + $0.004 = $0.009（不到一美分）。計費以代幣為單位計量；您可以透過OrcaRouter儀表板設定支出限制。
GPT-5 Nano 的主要優勢在於其相對於上下文大小的低輸入成本。例如，處理一份 400K 詞元的文件，輸入僅需 0.02 美元（400K / 1M × $0.05）。輸出詞元的單價較高，因此若你的應用產生非常長的回覆，輸出成本可能成為主導。舉例來說，100K 詞元的輸出成本為 0.04 美元（100K / 1M × $0.40）。請評估你的平均輸入輸出比例。若輸出簡短而輸入龐大，Nano 極為划算；若輸出接近 128K，則應考量是否有針對特定任務提供更便宜輸出費率的模型。
OrcaRouter不會公開針對個別模型的具體快取機制。標準API最佳實務適用：在適當情況下，於應用層級重複使用回應，並盡量減少不必要的 token 消耗。請注意，由於 GPT-5 Nano 支援檔案與圖片輸入（這些輸入會被 token 化），每個獨特的檔案或圖片都會計入新的輸入 token。API 層級不支援快取 token 化內容。若要最佳化成本，您可以在用戶端快取提示的文本部分，並在模型的答案是確定性且您設定 temperature=0 時，避免重複發送相同的長上下文。
使用與 OpenAI 相容的 API 端點：基礎 URL https://api.orcarouter.ai/v1，模型 ID "openai/gpt-5-nano-2025-08-07"。curl 範例： ```bash 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": "Solve this math problem."},{"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}]}], "max_tokens": 512 }' ``` 所有標準參數（temperature、top_p、stop、frequency_penalty 等）皆支援。檔案輸入可使用 base64 編碼或 URL 格式。
GPT-5 Nano 支援標準的聊天補全參數：model（必填，請使用確切的 ID）、messages（訊息物件的陣列）、max_tokens（上限 128000）、temperature（0–2，預設 1）、top_p（0–1，預設 1）、n（補全數量，預設 1）、stop（字串或陣列）、frequency_penalty、presence_penalty、user（用於追蹤的獨特識別碼）和 logit_bias。對於圖片與檔案輸入，請使用類型為 "image_url"（圖片）或 "file"（檔案附件，若支援則可使用——請查閱 OrcaRouter 文件）的 content 物件。當模型支援結構化輸出時，可使用 tools、tool_choice 和 response_format 等參數。
遷移非常簡單，因為 OrcaRouter 實作了完全相同的 OpenAI 相容架構。只需修改兩處：1) 將基礎 URL 設為 https://api.orcarouter.ai/v1；2) 將您的 OpenAI API 金鑰替換為 OrcaRouter API 金鑰（可從 OrcaRouter 儀表板取得）。保持所有其他請求主體不變，包括格式化為 "openai/gpt-5-nano-2025-08-07" 的模型 ID。OrcaRouter 負責路由與計費。除了端點與金鑰之外，無需任何程式碼變更。使用單一請求進行測試，以確認連線與 Token 用量計算。
對於檔案輸入，請包含一個內容物件，其 type 為 "file"，並以 base64 編碼或公開 URL 提供檔案資料。OrcaRouter 接受與 OpenAI API 相同的架構。範例訊息內容：[{"type": "text", "text": "總結這個PDF"}, {"type": "file", "file": {"url": "..."}}]。檔案的 Token 化成本取決於其大小與複雜度（圖像按解析度比例計入輸入 Token）。請確保您的總上下文（文字 + 圖像 + 檔案 Token）保持在 400,000 以下。對於非常大的檔案，請考慮預先分割或使用其他策略。
GPT-5 Nano 提供更大的上下文窗口（400K，相較於 GPT‑4 Mini 典型的 128K）與多模態輸入（文字/圖片/檔案，而許多 Mini 變體僅支援文字）。其成本更低：每百萬 tokens $0.05/$0.40，而 GPT‑4 Mini 的輸出費率通常較高。不過，GPT‑4 Mini 可能提供更快的推論速度（雖然兩者均未公佈延遲數據）。GPT‑5 Nano 的 AA Math 分數（83.7）與 GPT‑4 Mini 的數學表現相比具有競爭力或更勝一籌。對於長上下文、多模態任務，Nano 是明確的選擇；對於短篇通用文字，Mini 可能仍具成本效益。
GPT-5 Pro 是 OpenAI 的大型旗艦模型，在各項基準測試中均有更高的分數，但 token 定價也更高（確切費率未提供）。Pro 可能具備較小的上下文窗口（傳聞為 128K），但在推理、程式碼撰寫與創造力方面表現更佳。GPT-5 Nano 則犧牲部分精確度與能力，以換取更低的價格與更長的上下文。如果你在困難任務上追求最高品質，請選擇 Pro。如果你需要經濟實惠地處理大量資料，且能接受中等精確度，Nano 更為優越。兩者均可透過 OrcaRouter 以相同的 API 格式存取。
OrcaRouter 提供多種模型存取方式。替代方案包括較大的 OpenAI 模型（GPT‑5 Pro）以獲得更高準確度、較小的模型（GPT‑4 Mini）處理簡單文字，或第三方模型如 Anthropic 的 Claude 或 Meta 的 Llama。每種模型都有不同的上下文窗口、定價與模態支援。例如，Claude 3 Haiku 可能速度更快但無法輸入圖片。您可以在 OrcaRouter 定價頁面比較每 token 的成本。GPT-5 Nano 的獨特之處在於其結合了 400K 上下文、多模態輸入與低輸入成本——使其在輕量級模型中獨樹一幟。
GPT-5 Nano，與其他透過API存取的OpenAI模型相同，預設不會用你的資料進行訓練（適用OpenAI的API資料使用政策）。OrcaRouter 作為代理，不會在計費和請求記錄所需範圍之外儲存你的提示或回應（受其隱私政策約束）。兩家提供者都承諾，除非你選擇同意，否則不會使用API資料來改進模型。對於敏感資料，請考慮使用本地或專用模型。GPT‑5 Nano 的資料處理方式與其他OpenAI API模型相同——OrcaRouter不會額外保留資料。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5-nano-2025-08-07",
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。
@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