GPT-5.4 nano 是 GPT-5.4 系列中最輕量且最具成本效益的版本，專為注重速度與高吞吐量的任務進行最佳化。它支援文字與圖像輸入，並針對低延遲進行設計…
OpenAI GPT-5.4 Nano 是由 OpenAI 開發的語言模型，透過 OrcaRouter 的 OpenAI 相容 API 存取。它支援檔案、圖片和文字輸入模態，提供 400,000 個 token 的上下文窗口，最大輸出為 128,000 個 token。該模型的定價為每百萬輸入 token 0.20 美元，每百萬輸出 token 1.25 美元，OrcaRouter…
40萬令牌的上下文視窗讓 GPT-5.4 Nano 能夠在單次 API 呼叫中處理整本小說、長篇研究論文或長時間的對話記錄。這消除了在處理大型文件時進行分割或摘要的需求。舉例來說，你可以輸入完整的法律合約（通常 30,000–50,000 字）並要求進行逐條分析。該模型也能在極長提示中維持連貫的推理，使其適用於多步驟程式碼審查或敘事生成等複雜任務。請注意，較大的上下文會增加延遲和成本，因此只有在必要時才使用完整視窗。
如果你的任務只需要短輸入（幾千個 token）且不需要圖片或檔案支援，那麼像 GPT-4o mini 或類似的小型模型會更具成本效益且速度更快。GPT-5.4 Nano 的更大上下文與多模態能力會帶來每個 token 更高的成本。對於簡單的聊天機器人、分類或輕量摘要，較便宜的模型可以達到可比的品質，無需為用不到的功能付費。此外，若你的應用需要極低延遲或高吞吐量，小型模型通常推理時間更快。只有當 GPT-5.4 Nano 的獨特功能——長上下文、大輸出或多模態輸入——是必要時，才使用它。
GPT-5.4 Nano 可在單一回應中產生多達 128,000 個 token。這對於需要產出超長內容的任務非常實用，例如草擬完整報告、撰寫長篇故事，或生成全面的程式碼庫。結合大上下文視窗，您可輸入長篇提示，並獲得同樣長度的回應，無需多次往返。然而，生成如此長的輸出可能成本較高且速度較慢。對於大多數應用，較短的輸出（例如數千個 token）已足夠。128K 上限是一個天花板，而非目標；您應在 API 呼叫中設定適當的 max_tokens 來控制成本與延遲。
GPQA（Graduate-Level Physics Question Answering，研究生級物理問答）Diamond 是一個基準測試，用於評估模型回答研究生級物理概念之多選題的能力。81.7 的分數表示 GPT-5.4 Nano 正確回答了 81.7% 的問題，顯示其在專業領域中具備強大的推理能力。這是一個具有挑戰性的數據集，因此獲得高分表示該模型能夠應對複雜的科學推理。然而，基準測試並非全貌；在您特定任務上的實際表現可能有所不同。請將此分數與 OrcaRouter 上提供的其他模型進行比較，以評估在推理任務上的相對能力。
延遲取決於輸入和輸出的 Token 數量、模型加載時間以及 OrcaRouter 基礎架構。對於簡短提示（例如輸入 1,000 個 Token、輸出 100 個 Token），回應時間通常在數秒內。對於非常大的上下文（例如輸入 400K 個 Token），由於需要額外處理，延遲可能會顯著增加。輸出生成速度與產生的 Token 數量成正比。OrcaRouter 不提供具體的延遲數字，但您可以根據一般 OpenAI 效能中的模型首個 Token 生成時間（time-to-first-token）和每秒 Token 數（token-per-second）來估算，需注意更大的上下文會同時增加兩者。為獲得最低延遲，請使用較小的上下文和較少的輸出。
優勢：GPQA Diamond 得分高（81.7），展現出先進的科學推理能力。其大型上下文窗口與多模態輸入，使其在需要整合多頁或圖像資訊的任務上，表現優於較小模型。限制：基準測試並未涵蓋所有領域。該模型在專業主題或高度模糊的查詢上仍可能出錯。它並未針對程式撰寫或創意寫作進行特別最佳化，儘管在這些任務上可能表現良好。此外，由於是大型模型，其成本較高且速度較慢於其他替代方案。對於大多數基準測試，建議自行評估模型在自身資料上的表現，以確認適用性。
定價為每1百萬輸入token $0.20，每1百萬輸出token $1.25。OrcaRouter按供應商費率計費，零加成，因此您支付的費用完全等同於OpenAI的直接成本。輸入token包括提示詞、圖片token（以倍數計算）以及提取後的檔案內容。輸出token為生成的回應。API存取或使用層級無任何額外費用。這種透明的定價讓成本估算變得簡單：例如，10,000個輸入token和1,000個輸出token的每次呼叫成本為 $0.002 + $0.00125 = $0.00325。
與較小模型相比，每個 token 的高成本意味著你應該調整使用規模。如果你的任務每次請求只使用 10,000–20,000 個 token，那麼像 GPT-4o mini（如果可用）這樣的較便宜模型會經濟得多。然而，如果你真的需要 400K 的上下文或 128K 的輸出，GPT-5.4 Nano 可能是唯一實際的選擇。緩存可以降低成本：OrcaRouter 目前沒有提到提示緩存，但你可以組織你的提示，重用大型靜態前綴以最小化重複的輸入 token。此外，請記住圖像輸入會產生與圖像解析度成正比的 token 成本；盡可能使用較低解析度的圖像。
OrcaRouter 不加價地傳遞提供商的費率，因此如果 OpenAI 提供折扣（例如批量折扣或承諾使用量），這些折扣將適用。然而，OrcaRouter 上並未針對 GPT-5.4 Nano 記錄特定的快取功能。為了管理成本，您可以實作提示的客戶端快取，或使用在請求間保持不變的模式（例如系統訊息）。如果您預期有大量使用，請聯繫 OrcaRouter 以獲取可能的協商費率。目前，標準的按令牌計費價格適用。
您可以透過 OrcaRouter 的 OpenAI 相容 API（base_url: https://api.orcarouter.ai/v1）存取 GPT-5.4 Nano。在請求中使用模型 ID "openai/gpt-5.4-nano"。此 API 遵循與 OpenAI Chat Completions 端點相同的格式，因此您只需更改 base URL 和模型名稱，即可使用現有的 OpenAI SDK。以下是使用 Python openai 函式庫的範例： ```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"}] ) ``` 所有標準參數（如 temperature、max_tokens、top_p 等）均受支援。
對於大多數使用案例，將 temperature 設定為合理的數值，例如 0.7 以取得平衡，或者較低的數值（0.2–0.4）以用於事實性任務。max_tokens 預設為模型的最大值（128K），但您應明確設定以限制成本。典型的設定可能為標準回應使用 4096 個 token。對於圖像輸入，使用 data URL 格式或 URL 將圖像包含在 content 陣列中。對於檔案輸入，將檔案上傳到 OrcaRouter 並引用其 URL；OrcaRouter 的 API 支援檔案附件。您也可以使用系統訊息來設定行為。Top_p 可以保持為 1，而 frequency/penalty 參數如常運作。
遷移非常簡單，因為OrcaRouter的API完全兼容OpenAI。只需將基礎URL從https://api.openai.com/v1更改為https://api.orcarouter.ai/v1，並將模型名稱從"gpt-5.4-nano"替換為"openai/gpt-5.4-nano"。您的現有代碼、SDK和身份驗證模式僅需這兩個更改即可運作。OrcaRouter使用自己的API密鑰，因此請從您的OrcaRouter帳戶獲取API密鑰。對於消息、工具、流式傳輸或其他功能無需更改。在擴展之前，先用一個小請求測試連線以確認一切正常。
與較小的OpenAI模型（如GPT-4o或GPT-4o mini）相比，GPT-5.4 Nano提供更大的上下文視窗（400K vs. 通常128K）和更高的輸出限制（128K vs. 16K），並支援多模態輸入。然而，它每Token的成本更高：每百萬Token $0.20/$1.25，而較小模型的費率更低。其GPQA鑽石分數81.7可能高於舊模型，但與未來模型不具直接可比性。對於能容納於較小上下文的任務，更便宜的模型更為理想。GPT-5.4 Nano定位為針對高需求應用的高階選項。
沒有具體的基準比較，我們只能根據規格進行對比。GPT-5.4 Nano 的 400K 上下文長度與 Anthropic Claude 的 200K 相似，但更大。其多模態輸入支援與 Gemini 的能力相當。定價方面：GPT-5.4 Nano 的 $0.20/$1.25 定價與 Claude Opus 和 Gemini Ultra 相比具有競爭力，但確切費率可能有所不同。GPQA Diamond 的 81.7 分只是單一數據點；其他模型可能會有不同分數。對於長上下文任務，GPT-5.4 Nano 是一個強勁的競爭者，但最佳模型仍取決於您的特定領域。請以您的資料進行測試，以判斷哪個模型能帶來更好的結果。
如果您的使用情境需要非常大的上下文視窗和多模態輸入（文字+圖片+檔案），請選擇 GPT-5.4 Nano。例如，分析一份包含嵌入圖片和圖表的 300 頁 PDF。如果您只需要長文本而不需要圖片，其他模型如 Claude 3.5 Sonnet（200K 上下文）或 Gemini 1.5 Pro（1M 上下文）可能更具成本效益或提供不同的優勢。考慮價格：GPT-5.4 Nano 在 OrcaRouter 上的費率是透明的零加成，因此請比較每個 token 的成本。此外，如果您已經依賴 OpenAI 生態系統（工具、SDK、微調），繼續使用 GPT-5.4 Nano 可簡化整合。
潛在限制：在編碼或創意任務中未提及顯著優勢。其400K的上下文長度雖大，但仍小於某些競爭對手（如Gemini 1.5 Pro的100萬 token）。其基準分數（GPQA Diamond 81.7分）可能不代表在所有推理任務上都有優異表現。該模型未針對低延遲進行最佳化；較小的模型回應速度更快。此外，由於它是大型模型，運行於OpenAI基礎設施上，您需受其可用性及速率限制。OrcaRouter可能有自己的佇列。對於高度專業領域（如醫學、法律），經過微調的模型可能更為適合。請仔細評估利弊。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.4-nano",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| 輸入 / 1M tokens | $0.200 |
| 輸出 / 1M tokens | $1.25 |
| 快取讀取 / 1M | $0.020 |
| 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_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