OpenAI于周二（3月17日）推出GPT-5.4 Mini和GPT-5.4 Nano，强化小型模型产品线。OpenAI表示，这两款模型在保留GPT-5.4核心能力的同时，提供更高速度与更低的成本，适用于高并发与低延迟场景。

在定位上，GPT-5.4 Mini主打需要实时响应且具备一定复杂度的任务，包括代码助手、电脑操作与多模态理解，并支持工具调用与多步骤处理；GPT-5.4 Nano则是该系列中最轻量的版本，主要用于分类、数据提取与排序等基础任务。

关键在于使用方式的变革。OpenAI指出，开发者可将不同规模的模型协同工作：由大型模型负责规划、协调与最终决策，而搜索代码库、审阅文档或处理辅助任务等具体操作，则交由GPT-5.4 Mini等小型模型并行执行。

在这种架构下，小模型不再是能力较弱的替代方案，而是承担实际任务执行的核心单元。由于智能体系统通常包含大量子任务，若全部由大型模型处理，将面临高昂成本与延迟问题，小模型因此成为支撑整体系统运行的重要基础。

这种多模型分工的模式过去已在开发者实验和部分应用中出现，但受限于小模型的能力与稳定性，实际应用中仍多依赖单一大型模型。随着小模型能力显著提升、成本差距进一步拉大，加之OpenAI在产品说明中明确推荐此类架构，这种设计正逐步从可选方案转向主流趋势。

根据OpenAI公布的API定价，GPT-5.4每百万Token的输入与输出成本分别为2.50美元和15.00美元；GPT-5.4 Mini为0.75美元与4.50美元；GPT-5.4 Nano则为0.20美元与1.25美元。

在能力方面，GPT-5.4 Mini在多项基准测试中表现已接近GPT-5.4。例如在SWE-Bench Pro（基于真实开源项目评估AI修复代码错误能力）中，GPT-5.4 Mini得分为53.40%，接近GPT-5.4的57.73%，并显著高于GPT-5 Mini的45.69%；在OSWorld-Verified（评估AI在电脑操作环境中完成任务的能力）测试中，GPT-5.4 Mini达到70.60%，明显优于GPT-5 Mini的42%，与GPT-5.4的75.03%差距不大。这表明小模型在保持效率优势的同时，也能胜任编程与电脑操作等高复杂度任务。

总体而言，GPT-5.4 Mini与Nano的推出不仅是小模型性能的升级，更反映出AI应用正从单一模型主导，转向多模型协同的新型范式：大型模型负责规划与决策，小型模型则承担大量具体任务的执行。