OpenAI
GPT-6.1 Sol
最大上下文
1.1M
最大输出
128K
发布日期
暂无
gpt-5.4-nanoGPT-5.4 Nano 是 GPT-5.4 中成本最低、体量最小的版本,适合大量简单任务。OpenAI 的模型说明将 nano 模型与低延迟和成本效率关联,而不是最大推理深度。它更适合分类、路由、抽取、轻量生成等可预测工作流。
上下文窗口
400K Token
最大输出
128K Token
发布日期
2026年3月17日
模态
| 输入价格 | 输出价格 | 缓存读取 |
|---|---|---|
| $0.2/M | $1.25/M | $0.02/M |
推理
工具调用
Temperature 参数
附件
知识库
Endpoint 协议
GPT-5.4 nano 面向目标明确的大批量图文任务,重点优化速度和处理成本。
针对范围清晰的简单任务优化,适合将快速响应和经济执行作为首要要求的场景。
支持分类、抽取和排序,将大批量输入转换为一致的标签、字段或有序结果。
支持最多 400,000 个上下文 token 和图像输入,可对较大的文档集合进行定向处理。
GPT-5.4 nano 适合输出要求明确的大规模分类、信息抽取和排序任务。
为大量消息、文档或图像分配预定义类别,用于路由、分析和内容审核流程。
从文本、表单或文档图像中提取指定字段,为下游系统生成一致的数据记录。
依据明确的相关性标准,对搜索结果、推荐内容或支持工单进行评分和排序。
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)| 指数分数 | ||
|---|---|---|
| Artificial Analysis 综合能力指数 | Artificial Analysis 综合能力评分 | 38.2 |
| Artificial Analysis 代码能力指数 | Artificial Analysis 软件任务评分 | 43.9 |
| 知识与推理 | ||
| GPQA | 高阶科学问题求解 | 81.7% |
| HLE | 广泛专家级考试集合 | 26.5% |
| 代码与工程 | ||
| SciCode | 科学计算代码挑战 | 46.9% |
| Terminal-Bench Hard | 高难度终端任务执行 | 42.4% |
| 指令遵循与 Agent 任务 | ||
| IFBench | 指令约束遵循 | 75.9% |
| AA-LCR | 长上下文推理 | 66% |
| τ²-Bench | Agent 工作流任务 | 76.0% |
指标来源 Artificial Analysis
GPT-5.4 Nano 的能力、适用场景、限制和 TokenHub 使用指南。
GPT-5.4 Nano 是 OpenAI 面向以更低成本处理简单高并发任务的模型。
适合简单抽取和分类、结构化数据生成、高并发请求,尤其适合重视低成本规模化的场景。
核心优势是适合简单高并发任务的最低成本 GPT-5.4 级选项。
它针对简单任务优化,不适合高难推理或大型工程任务。 更看重最高回答质量时,可考虑 GPT-5.4 Mini。
使用 TokenHub 显示的精确标识符,并按账户文档确认当前功能。
通过一个 API Key 接入 GPT-5.4 Nano 与更多 AI 模型。
媒体与讨论
精选与此模型相关的公开视频和帖子。
X (Twitter)
Reddit
YouTube