.png&w=3840&q=75)
GPT-5.4 Mini وGPT-5.4 Nano هما المتغيّران المُدمجان الجديدان من OpenAI ضمن عائلة GPT-5.4 المتقدّمة: يستهدف Mini تحقيق أفضل مقايضة بين الأداء وزمن الاستجابة لمهام الترميز، مهام واجهات المستخدم متعددة الوسائط، وأعباء عمل الوكلاء الفرعيين؛ بينما يستهدف Nano خفض التكلفة وزمن الاستجابة إلى أدنى حد لمهام التصنيف والاستخلاص والترتيب والوكلاء الفرعيين متعددي التوازي على نطاق واسع. يقدّم Mini دقة تقترب من نماذج القمة في العديد من مقاييس المطوّرين مع تشغيل أسرع بأكثر من >2× مقارنة بالإصدارات المصغّرة السابقة؛ بينما يُعد Nano أرخص بكثير لكل رمز ومثالي حيث يهم معدل الإنجاز والاستجابة. هذه النماذج متاحة الآن عبر الـ API (GPT 5.4 Mini وNano متاحان في CometAPI).
ما هما GPT-5.4 Mini وGPT-5.4 Nano؟
تعريف موجز: GPT-5.4 Mini وGPT-5.4 Nano هما متغيران مُهندسان ومُدمجان من عائلة GPT-5.4، صُمّما لجلب نقاط القوة الأساسية للنموذج الكبير GPT-5.4 (الاستدلال، الترميز، الإدراك متعدد الوسائط، استخدام الأدوات) إلى نماذج أسرع وأقل تكلفة تستهدف أعباء العمل عالية الحجم منخفضة الكمون. أعلنت OpenAI عن هذه النماذج كجزء من إطلاق GPT-5.4.
- GPT-5.4 Mini — نموذج صغير عالي الأداء "يقترب من أداء GPT-5.4 في عدة تقييمات" مع تحسينات للسرعة وخفض التكلفة. تم تسليط الضوء عليه تحديداً في الترميز، والاستدلال، وفهم واجهات المستخدم متعددة الوسائط (لقطات الشاشة)، وكوكيل فرعي ضمن الأنظمة الوكيلية. تذكر OpenAI أنه يعمل بأكثر من 2× سرعة الإصدارات "mini" السابقة.
- GPT-5.4 Nano — أصغر وأرخص متغير ضمن GPT-5.4؛ يُوصى به للتصنيف والاستخلاص والترتيب و"دعم" الوكلاء الفرعيين الذين يتعاملون مع مهام ضيقة ومتكررة بمعدل إنجاز عالٍ جداً. يقدّم مفاضلة بتقليل الاستدلال العميق مقابل خفض الكمون والتكلفة.
التوفر والسعر
توفر OpenAI نقطتي بيانات ملموستين للمقارنة في التكلفة:
- سعر إدخال واجهة برمجة تطبيقات GPT-5.4 (النموذج الرئيسي الكامل): $2.50 / 1M tokens (وسعر إخراج أعلى للنموذج الرئيسي).
- سعر إدخال واجهة برمجة تطبيقات GPT-5.4 mini: $0.75 / 1M tokens وسعر إخراج $4.50 / 1M tokens.
- سعر إدخال واجهة برمجة تطبيقات GPT-5.4 nano: $0.20 / 1M وسعر إخراج $1.25 / 1M.
بوضع ذلك جنباً إلى جنب: سعر رمز الإدخال لـ mini (0.75) هو 30% من سعر النموذج الرئيسي (2.50)، أي ما يقارب ثلث تكلفة الإدخال؛ وسعر الإخراج لـ mini (4.50) يبلغ حوالي 32% من سعر إخراج النموذج الرئيسي المذكور في جدول أسعار الـ API، أي حوالي الثلث أيضاً. أما Nano فهو أرخص حتى: تكلفة إدخاله حوالي 8% من تكلفة إدخال النموذج الرئيسي، وتكلفة إخراجه أقل من 10% من تكلفة إخراج النموذج الرئيسي. هذه النِسَب هي بالضبط سبب تقديم OpenAI لـ mini/nano على أنهما "حوالي الثلث" (mini) و"جزء بسيط من" (nano) تكلفة استخدام أكبر النماذج للمهام عالية الحجم. ارتفع سعر رمز nano من $0.05 إلى $0.20، وارتفع سعر رمز mini من $0.25 إلى $0.75 (لرموز الإدخال).
على منصة OpenAI
يتوفر GPT-5.4 mini في ثلاثة أماكن: واجهة برمجة تطبيقات OpenAI، وCodex (منصة IDE/تطبيق المطورين من OpenAI)، وChatGPT (متاح لمستخدمي Free وGo عبر خيار “Thinking” وكخيار احتياطي عند حدود المعدل للخطط المدفوعة). في الـ API يدعم إدخال النص والصور، واستخدام الأدوات (استدعاء الدوال)، والبحث على الويب/الملفات، واستخدام الحاسوب، والمهارات — كما يقدّم نافذة سياق كبيرة جداً (400k tokens) لخدمة تدفقات العمل المعتمدة على المستندات المتعددة ولقطات الشاشة المتعددة. التسعير عبر الـ API هو $0.75 لكل 1M رموز إدخال و$4.50 لكل 1M رموز إخراج.
يتوفر GPT-5.4 nano فقط عبر الـ API. أسعاره القائمة هي $0.20 لكل 1M رموز إدخال و**$1.25 لكل 1M رموز إخراج** — ما يضعه كأقل خيار تكلفة ضمن عائلة GPT-5.4. يعتمد نموذج nano مفاضلة متعمدة بين القدرات مقابل خفض التكلفة والسرعة.
على منصة طرف ثالث
CometAPI هي منصة تجميع متعددة الوسائط لواجهات برمجة تطبيقات الذكاء الاصطناعي، وقد أطلقت الآن واجهة برمجة تطبيقات سلسلة GPT 5.4، بما في ذلك GPT 5.4 Mini وGPT 5.4 Nano، بخصم 20% عن سعر OpenAI.
GPT 5.4 Nano:
| سعر Comet (USD / M Tokens) | السعر الرسمي (USD / M Tokens) |
|---|---|
| الإدخال:$0.16/M؛ الإخراج:$1/M | الإدخال:$0.2/M؛ الإخراج:$1.25/M |
GPT 5.4 Nano:
| سعر Comet (USD / M Tokens) | السعر الرسمي (USD / M Tokens) |
|---|---|
| الإدخال:$0.6/M؛ الإخراج:$3.6/M | الإدخال:$0.75/M؛ الإخراج:$4.5/M |
الميزات الأساسية وما الجديد
فيما يلي القدرات الرئيسية — لماذا يهتم بها المهندسون وفِرَق المنتجات.
الترميز ودعم السياق الطويل
نافذة السياق: يدعم GPT-5.4 mini نافذة سياق بحجم 400k token (تذكر OpenAI صراحةً أن Mini لديه 400k سياق). هذا الحجم كافٍ لأسس تعليمات برمجية متعددة الملفات، ومستندات ممتدة، أو جلسات وكيل متعددة الأدوار حيث يهم السياق. نافذة سياق Nano أصغر مقارنة بـ GPT-5.4 الكامل لكنها لا تزال كبيرة للمهام السريعة القصيرة.
الاستدلال
مستويات الاستدلال: تتيح OpenAI ضبط reasoning_effort (none → xhigh)؛ يمكن تشغيل mini وnano بجهود متفاوتة، لكن mini يضيق الفجوة مع GPT-5.4 الكامل في العديد من مقاييس الاستدلال عند مستويات الجهد الأعلى. في عدة مقاييس للذكاء (مثل GPQA Diamond)، يحقق Mini 88.0% مقابل 93.0% لـ GPT-5.4، ويسجل Nano 82.8%، ما يشير إلى استدلال مُعتبر لنموذج صغير. هذه النتائج نشرتها OpenAI في منشور الإطلاق.
الفهم متعدد الوسائط (الرؤية وواجهة المستخدم)
الإدراك البصري ومهام واجهة المستخدم: يُظهر GPT-5.4 mini أداءً قوياً جداً في المهام المتعلقة بواجهات المستخدم (لقطات الشاشة، صور المستندات الكثيفة). على OSWorld-Verified (مقياس لاستخدام الحاسوب)، يسجل Mini 72.1%، وهو أقرب بكثير إلى 75.0% الخاصة بـ GPT-5.4 وبعيد جداً عن الإصدارات المصغّرة السابقة — وهذا هو سبب توجيه Mini لأتمتة معتمدة على لقطات الشاشة ومساعدين متعددين للوسائط مستجيبين. يؤدّي Nano نتائج أقل في مقاييس الرؤية لكنه يظل مفيداً للمهام الصورية الأبسط.
استدعاء الأدوات واستخدام الحاسوب
قدرات أصلية للأدوات/النقر: يقدّم GPT-5.4 ويوسّع أدوات استخدام الحاسوب الأصلية؛ ويرث Mini القدرة على استدعاء الأدوات، إجراء استدعاءات دوال، تفسير لقطات الشاشة وتنظيم الوكلاء الفرعيين. تُظهر مقاييس استدعاء الأدوات (Toolathlon، MCP Atlas) نتائج مُرضية لـ Mini وNano (Toolathlon: Mini 42.9%، Nano 35.5%) — ما يكمم قدرتهما على استدعاء الأدوات الخارجية وتنسيقها. هذه الأرقام من إعلان OpenAI.
الهلوسة/الحقائقيّة/معدلات الخطأ
تفيد OpenAI بأن GPT-5.4 هو "أكثر النماذج حقائقيّة حتى الآن" ويُظهر انخفاضات في الهلوسة مقارنة بـ GPT-5.2؛ ويُظهر كل من Mini وNano حقائقيّة أقل مطلقاً من النموذج الكامل (مثلاً، HLE مع الأدوات: GPT-5.4 52.1%، Mini 41.5%، Nano 37.7%) ما يشير إلى حاجة متزايدة للتحقق عند استخدام النماذج الأصغر في المهام عالية الاعتمادية على الحقائق. استخدم التحقق القائم على الأدوات (استدعاءات الأدوات، استدعاء الاقتباسات) عندما تهم الدقة.
السرعة
تفيد OpenAI بأن GPT-5.4 mini يعمل أسرع بأكثر من 2× من GPT-5 mini السابق وفق تقديرات زمن الاستجابة في بيئات الإنتاج النموذجية (المبنية على سلوك إنتاجي مُحاكى يتضمن مدد استدعاء الأدوات والرموز المُولدة بالعينة). تُعد هذه الزيادة في السرعة ادعاءً محورياً في العائلة الجديدة وتتيح استخدام Mini كوكيل فرعي سريع الاستجابة داخل التطبيقات التفاعلية مثل مساعدي الترميز.
كيف يؤدّي Mini وNano — هل يقتربان من GPT-5.4 الكامل؟
نشرت OpenAI مجموعة شاملة من مقارنات المقاييس عبر الترميز، واستخدام الأدوات، ومهام استخدام الحاسوب متعددة الوسائط، واختبارات الذكاء، وتقييمات السياق الطويل. الأرقام الرئيسية (عند جهد استدلال xhigh حيث ينطبق) تشمل:
| المعيار | GPT-5.4 | GPT-5.4 Mini | GPT-5.4 Nano | GPT-5 Mini (Old) | ملاحظات |
|---|---|---|---|---|---|
| SWE-Bench Pro (Coding) | 57.7% | 54.4% | 52.4% | 45.7% | يقترب Mini من أداء النموذج الكامل في البرمجة |
| Terminal-Bench 2.0 (Interactive Coding) | 75.1% | 60.0% | 46.3% | — | قدرة قوية على الترميز في الزمن الحقيقي لـ Mini |
| Toolathlon (Tool Use) | 54.6% | 42.9% | 35.5% | — | يقيس التنسيق واستدعاء الأدوات |
| GPQA Diamond (Advanced QA) | 93.0% | 88.0% | 82.8% | — | مقياس ذكاء واستدلال |
| OSWorld-Verified (GUI Tasks) | 75.0% | 72.1% | 39.0% | 42.0% | قدرة استخدام الواجهة/الحاسوب |
تُظهر هذه الأرقام أن Mini يضيّق الفجوة كثيراً غالباً — خصوصاً في الترميز ومهام استخدام الحاسوب — بينما يشغل Nano موقعاً وسطاً مفيداً بين القدرة والتكلفة.
ماذا تعني هذه الأرقام بلغة مبسطة؟
- GPT-5.4 Mini ≈ "قريب من الرئيسي" في كثير من مهام الإنتاج. على SWE-Bench Pro (مقياس معدل النجاح في الترميز)، يسجل Mini 54.4% مقابل 57.7% للنموذج الرئيسي — فجوة صغيرة نسبياً لكثير من مهام الترميز الواقعية، خاصة عندما يهم زمن الاستجابة. على OSWorld (استخدام الحاسوب)، يسجل Mini 72.1% مقابل 75.0% للنموذج الرئيسي — مرة أخرى، قريب جداً لمهام الواجهة/لقطات الشاشة.
- GPT-5.4 Nano يبادل مزيداً من القدرة مقابل السرعة/التكلفة. يسجل Nano في الترميز (52.4% على SWE-Bench Pro) نتيجة معتبرة مقارنة بالإصدارات المصغّرة الأقدم، لكن نتيجته على OSWorld تهبط إلى 39.0%، ما يُظهر أنه للمهام التي تتطلب فهماً معقّداً متعدد الخطوات للواجهات أو تسلسلات أدوات وكيل، فإن Nano أقل ملاءمة. يتألق Nano في التصنيف أحادي الدورة، والاستخلاص، ومهام المساعدة الصغيرة.
- تحسن في استخدام الأدوات، لكنه يظل حساساً. ترتفع مقاييس Toolathlon وغيرها عند الانتقال من GPT-5 mini إلى GPT-5.4 mini/nano، ما يُظهر أن هندسة OpenAI حسّنت موثوقية استدعاء الأدوات في النماذج الأصغر حجماً — لكن النموذج الكامل لا يزال يتصدر في تنسيق الأدوات المعقّد.
كيف تعمل في بيئات الإنتاج
الضغط، التقطير والتحسينات الهندسية
تستخدم النماذج المُدمجة مثل Mini/Nano عادة مزيجاً من تقطير النماذج والتكميم والاقتطاع المعماري للحفاظ على القدرات عالية القيمة (اختصار heuristics الترميز، الإدراكات البصرية) مع تقليل حسابات الاستدلال. تُشير صياغة OpenAI إلى هندسة مركزة للحفاظ على مجموعات مهارات محددة (الترميز، فهم واجهات المستخدم متعددة الوسائط) في البصمة الأصغر.
الأنماط الموصى بها
- نمط المُنسّق + الوكلاء الفرعيين: استخدم GPT-5.4 (الكبير) كمخطط/حكم ووزّع العمل على وكلاء GPT-5.4 mini / nano لتنفيذ سريع (بحث، تحليل، تحرير). هذا يقلل التكلفة الإجمالية ويخفض زمن الاستجابة للمستخدم. تؤيد OpenAI صراحةً هذا النمط التصميمي.
- البديل عند حدود المعدل: اعرض Mini كخيار احتياطي عند بلوغ حدود المعدل في ChatGPT أو Codex بحيث تتلقى الاستفسارات الحساسة للوقت إجابة قابلة حتى عند عدم توفر النموذج الكامل.
- بنية متدرّجة للتحكم في التكلفة: خطوط معالجة بالجملة (فهرسة، استخلاص) → GPT-5.4 nano؛ مكونات واجهة تفاعلية → GPT-5.4 mini؛ الحكم التحريري النهائي/السلاسل المعقدة → GPT-5.4 الكامل. هذا النهج متعدد الطبقات يوازن بين التكلفة والقدرة.
زمن الاستجابة والتوازي
تم تحسين Mini وNano لـ الوكلاء الفرعيين المتوازيين، حيث تعمل العديد من العمال الصغار بالتوازي — مثلاً، مسح آلاف ملفات PDF بالتوازي. يقيس مفهوم OpenAI "tool yields" كيف تقلل استدعاءات الأدوات المتوازية زمن الجدار؛ وقد تم هندسة Mini/Nano لجعل تلك الأنماط فعّالة التكلفة.
كيف أستخدم Mini وNano عملياً
هل ينبغي أن أستبدل اتصالاتي بالنموذج الرئيسي بـ Mini/Nano في كل مكان؟
ليس تلقائياً. النمط الصحيح الذي توصي به OpenAI صراحةً هو التفويض: استخدم نموذجاً أكبر للتخطيط، والحكم المعقد، أو التحقق النهائي، ووزّع العديد من المهام الداعمة الأقصر إلى وكلاء Mini أو Nano الفرعيين. يقلل هذا النمط التكلفة والكمون مع الحفاظ على الضوابط الخاصة بالنموذج الأكبر حيث تهم. حالات الاستخدام:
- مساعدو الترميز التفاعليون: يخطط النموذج الرئيسي ويُراجع؛ يتولى Mini بحث الشيفرة السريع، والتعديلات، واختبارات الوحدات القصيرة.
- وكلاء “استخدام الحاسوب” المعتمدون على لقطات الشاشة: يمكن لـ Mini تحليل الواجهات الكثيفة بسرعة؛ يحل النموذج الرئيسي الغموض في التخطيط متعدد الخطوات.
- خطوط معالجة تصنيف/استخلاص عالية الحجم: يعالج Nano مدخلات المجموعات الضخمة (نماذج، سجلات) ويعيد نتائج مُهيكلة؛ يتعامل النموذج الرئيسي مع الاستثناءات والحالات الحدّية المعقدة.
هل يمكن استخدام Mini أو Nano لمهام متعددة الوسائط أو الصور؟
نعم — يدعم Mini إدخال الصور ويؤدي جيداً على مقاييس الرؤية/المهام متعددة الوسائط (MMMUPro/OmniDocBench)، ويقترب من النموذج الرئيسي في بعض الاختبارات. قوة Nano متعددة الوسائط أكثر محدودية: رغم أنه يتحسن على الإصدارات nano السابقة، إلا أنه ليس الخيار الأفضل للاستدلال متعدد الوسائط العميق أو المهام الوكيلية المعتمدة على الصور.
اشتدّت المنافسة على قدرات النماذج الصغيرة
قبل ثلاثة أشهر، كانت النماذج الصغيرة تُعتبر "جيدة بما يكفي". الآن، يقترب GPT-5.4 mini من النماذج الرئيسية في مقاييس البرمجة ويكاد يضاهيها في الأداء الحسابي.
الاتجاه واضح: تُنقل قدرات النماذج الرئيسية بسرعة إلى نماذج أصغر. تفعل OpenAI وGoogle وAnthropic الشيء نفسه: تقطير القدرات الأساسية للنماذج الكبيرة إلى نسخ أصغر، أسرع، وأرخص.
الخلاصة
يشير إطلاق هذين النموذجين إلى تحول في تطبيقات الذكاء الاصطناعي من التركيز على الحجم إلى التركيز على الكفاءة العملية. من خلال قدرات الاستجابة السريعة، يوفّران دعماً أساسياً أكثر موثوقية للتفاعل اللحظي مع الذكاء الاصطناعي وتفكيك تدفقات المهام المعقّدة.
بالنسبة للمطورين، يعني هذا أن هيكل التكلفة لأنظمة الوكلاء يعاد تعريفه. عندما تنخفض التكاليف إلى هذا المستوى، تصبح العديد من سيناريوهات الوكلاء التي كانت سابقاً "ممكنة نظرياً ولكن غير مجدية اقتصادياً" قابلة للتطبيق.
يمكن للمطورين الوصول إلى GPT 5.4 Mini وGPT-5.4 Nano عبر CometAPI (CometAPI هي منصة تجميع موحّدة لواجهات برمجة تطبيقات النماذج الكبيرة مثل GPT APIs وNano Banana APIs وغيرها) الآن. قبل الوصول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح الـ API. يقدّم CometAPI سعراً أقل بكثير من السعر الرسمي لمساعدتك على الدمج.
Ready to Go?