В начале марта OpenAI представила GPT-5.4 — модель, сфокусированную на профессиональных задачах, таких как разработка программного обеспечения и глубокий анализ данных. Теперь линейка пополнилась двумя облегченными версиями: GPT-5.4 mini и GPT-5.4 nano. Несмотря на то что акцент в анонсе снова сделан на эффективности в написании кода, появление этих моделей знаменует собой изменение стратегии доступности: GPT-5.4 mini теперь открыта для пользователей тарифов Free и Go.
Доступность и производительность GPT-5.4 mini
Для обладателей бесплатных аккаунтов и подписки Go модель GPT-5.4 mini стала доступна через меню «Thinking» в интерфейсе ChatGPT. Платные пользователи получили её как дополнительный инструмент: модель автоматически активируется в качестве резервного варианта при исчерпании лимитов на использование основной версии GPT-5.4. По заявлению OpenAI, новинка демонстрирует показатели, сопоставимые с полноценной GPT-5.4 в ряде сценариев, при этом превосходя своего предшественника GPT-5.0 mini.
Улучшения коснулись механизмов рассуждения, обработки мультимодальных данных и работы с внешними инструментами. Проще говоря, модель эффективнее справляется с анализом нетекстового контента — аудио и изображений, а также точнее интерпретирует запросы, требующие поиска информации в сети. На практике это значит, что при большей глубине проработки задач система работает более чем в два раза быстрее предыдущей версии.
Роль GPT-5.4 nano в архитектуре API
В отличие от mini-версии, GPT-5.4 nano не интегрирована в интерфейс чат-бота и доступна исключительно через API. OpenAI позиционирует это решение как инструмент для специфических задач, таких как классификация данных и их извлечение, где критически важны скорость и экономическая оптимизация.
Разработчикам предлагается использовать nano-версию внутри AI-агентов, делегируя ей рутинные операции в рамках более сложных систем. Такая специализация модели отражена в её ценообразовании: стоимость использования начинается от 0,20 доллара за миллион входных токенов, что делает её привлекательной для высоконагруженных задач, требующих масштабируемости.