GPT-5.4 mini发布即遭质疑：性能仅排第13，价格却涨三倍

GPT-5.4 mini 发布即遭质疑：性能仅排第13，价格却涨三倍

OpenAI 最新推出的 GPT-5.4 mini 模型，在发布首日便面临诸多质疑。

根据公开的大语言模型评测基准 Vals 数据显示，新发布的 GPT-5.4 mini 仅排名第 13 位，其性能优于 OpenAI 半年前 发布的 GPT-5。

值得注意的是，排名第 12 位的是于一月底发布的 Kimi 2.5 模型。相比之下，Kimi 2.5 的价格比新的 5.4 mini 便宜一倍多，且响应延迟更低。

在同步进行的拓扑证明测试中，新推出的 mini 和 nano 模型在全球范围内的表现也只能说是中规中矩，分别排名第九和第十，不及早前发布的 Kimi、Qwen、DeepSeek 等模型。

有评论指出，此次 GPT-5.4 mini 的基准测试对比对象是运行速度快两倍的老版 GPT-5 mini（即大半年前的版本），而非其他厂商的最新模型。

不少用户甚至直言，更换为新的 GPT-5.4 mini “似乎并无必要”。

尽管 OpenAI 官方博客表示，在输出 tokens 方面，性能相近的 mini 版本比 GPT-5.4 便宜三倍，nano 版本则便宜近十二倍。

但若将 GPT-5.4 mini 与旧版 GPT-5 mini 对比，则会发现同属 mini 档位的模型，价格却上涨了约三倍。

可以说，在当前大模型的热潮中，全球厂商普遍存在涨价趋势，OpenAI 首席执行官萨姆·奥特曼显然也未能例外。

那么，这是否意味着 OpenAI 仅仅是推出了一款专门针对编程和智能体任务优化过的小型模型？

新版 mini 和 nano 模型

今日，OpenAI 推出了主打快速与经济性的 GPT-5.4 mini 和 nano 模型，宣称专门针对 编程、计算机操作、多模态理解 以及 子智能体（subagent） 任务进行了优化。

与前代 GPT-5 mini 相比，新版 mini 和 nano 在性能上有所提升，同时 运行速度提升超过两倍。

值得注意的是，在多项评测中，mini/nano 模型与完整版 GPT-5.4 的性能差距已经不大，基本与谷歌、Anthropic 的轻量级模型处于同一水平。

根据 OpenAI 官方博客，新模型主要聚焦于编程和子智能体任务。

其中，GPT-5.4 mini 在编程、推理、多模态理解和工具使用方面进行了优化，运行速度提升超过两倍，在 SWE-Bench Pro 和 OSWorld-Verified 等评测中的表现接近完整版 GPT-5.4。

GPT-5.4 nano 则是 GPT-5.4 系列中体积最小、最经济的版本，适用于对速度和成本敏感的任务，例如分类、数据提取、排序以及处理相对简单的辅助编程任务。

总体而言，这两个新模型适合那些延迟直接影响产品体验的工作负载，例如代码助手、子智能体、屏幕截图解析和多模态应用。

简而言之，对于已经抽象出特定技能的智能体（如某些自动化流程），部署在反应快速、能力够用的小模型上更具成本效益。

具体使用方式上，GPT-5.4 mini 可通过 API、Codex 和 ChatGPT 调用，而 nano 版本目前仅能通过 API 使用。

价格方面，mini 版本每百万输入 tokens 收费 0.75 美元，每百万输出 tokens 收费 4.5 美元。Nano 版本在 API 中的费用更低，每百万输入/输出 tokens 分别收费 0.2 美元和 1.25 美元。

不过，横向对比来看，有网友指出，Gemini Flash 3 lite 模型表现更智能，且总体成本便宜六倍多。

评测结果

在实际评测中，mini 和 nano 模型主要针对编程和智能体任务进行了优化。

在编程任务中，它们能够以低延迟完成代码修改、调试循环和库导航，实现快速迭代，高效处理需要兼顾速度与成本的工作流程。Mini 版本的任务通过率接近 GPT-5.4，同时速度更快。

在子智能体场景中，开发者可以让大型模型负责决策与规划，同时将较小的任务并行委派给 mini 子智能体执行，例如搜索代码库、处理文档或辅助操作。随着小型模型速度越来越快，这种模式的价值日益凸显。

在计算机操作和多模态任务中，mini 同样表现不俗，能够快速解析复杂的用户界面截图，高效完成操作指令。在 OSWorld-Verified 测试中，其表现几乎接近完整版 GPT-5.4，同时明显优于 GPT-5 mini。

一些网友的实际测试也印证了上述亮点。

Reddit 网友 Rent_South 系统地测试了新版 mini 在分类、总结、翻译等任务上的表现，并给出了积极评价：

我运行了一些基准测试，结果发现——在一些真实场景任务中，它们更便宜、更快，也更好用。
自从大约一年前，我在构建一个 RAG 流水线时，gpt-4.1-mini 在某些代理任务步骤上打败了 GPT-4 原版之后，我对 mini/nano 版本的热情就比对原版还高。

在分类任务中，nano 准确率达到 70%，成本比 GPT-5.4 降低十二倍。

当调用次数超过一万次时，使用 GPT-5.4 大约花费 20.30 美元，而使用 GPT-5.4-nano 仅需 1.64 美元，节省幅度约 91.9%。

在翻译任务上，nano 得分略低，为 55 分，但与 GPT-5.4 的 63 分差距不大，仍可作为替代选择。在超万次调用后，节省幅度仍达到了 91.3%。

在写作任务中，mini 版本得分最高，成本比完整版低约六成。在超过 1 万次调用时，mini 花费 29.61 美元，nano 仅花费 10.30 美元。

此外，还有网友测试了模型描述图片的能力。nano 在描述博物馆照片时，输出详细准确，使用的 token 极少，总成本甚至不到一美分。

例如，该网友让 nano 模型描述一张随手拍摄的博物馆照片：

nano 模型输出了以下描述：

图片显示了一间博物馆展厅的内部，有一面长长的展墙。白色砖墙上整齐排列着许多装框肖像画。肖像画下方是多个玻璃展示柜，木框深色，顶部/前方为玻璃，展示柜内摆放着各种历史文物和设备。房间铺设了抛光木地板，吊顶上有悬挂灯具及电线，墙顶附近可见少量管道。前景中，沿房间长度排列的玻璃柜映出了其他展区的物品。

生成这段描述共使用了 2751 个输入 tokens 和 112 个输出 tokens，费用为 0.069 美分（不到一美分的十分之一）。

即便在创意任务上，例如生成“鹈鹕骑自行车”的 SVG 图片，nano 和 mini 与完整版 GPT-5.4 仍有一定差距，但它们完成基础的创作任务完全可行。至少随着推理强度的提升，生成的画面能保持相对的正确性。

整体来看，此次新模型与 OpenAI 自家产品相比，确有可圈可点之处。

但这是否就是市面上最好、最经济的小模型，仍有待商榷。

另一个现象

有趣的是，在 OpenAI 总裁格雷格·布罗克曼发布新模型的推文评论区，最热烈的讨论并非关于新模型的能力或价格，甚至几乎与新模型本身无关。

评论区几乎被带有 #keep4o 标签的留言刷屏：“让 4o 回来！”

参考链接：
[1] https://x.com/gdb/status/2034003374627049909
[2] https://simonwillison.net/2026/Mar/17/mini-and-nano/
[3] https://www.reddit.com/r/OpenAI/comments/1rwd9hd/breaking_openai_just_dropped_gpt54_mini_and_nano/
[4] https://x.com/scaling01/status/2033958931874099560

欢迎在评论区留下你的想法！

— 完 —

关注“鲸栖”小程序，掌握最新AI资讯