GPT-5 Nano ialah varian ultra-ringan, kependaman rendah bagi keluarga GPT-5 OpenAI, direka untuk sensitif kos, masa sebenar, dan aplikasi berkemampuan tinggi di mana kelajuan dan harga lebih penting daripada penaakulan pelbagai langkah yang mendalam. Ia mengekalkan pematuhan arahan GPT-5 dan peningkatan keselamatan tetapi menukarkan kedalaman penaakulan dan beberapa keupayaan konteks panjang untuk disampaikan kependaman yang sangat rendah and kos token yang sangat rendah.
Maklumat Asas & Ciri
- Nama Model:
gpt-5-nano - Sokongan Multimodal: Teks & Visi (sehingga 400K token konteks)
- Tetingkap Konteks: 400,000 token input; 128,000 token keluaran
- Harga:
- Input: $0.05 setiap token 1M
- Output: $0.40 setiap token 1M
Berbanding dengan GPT-5 utama, GPT-5 nano berdagang kuasa mentah khususnya kependaman ultra rendah and kos dikurangkan, menjadikannya ideal untuk aplikasi interaktif di mana kelajuan dan bajet adalah kritikal.
Butiran Teknikal
GPT-5 nano memanfaatkan perkara yang sama seni bina transformer sebagai adik-beradiknya yang lebih besar tetapi menggabungkan maju pengkuantuman and pemangkasan parameter teknik untuk mengecilkan jejaknya. Ia menampilkan:
- Penaakulan Minimum: Laluan penaakulan diperkemas yang dioptimumkan untuk inferens pusingan tunggal, meniru "pemikiran terbina dalam" GPT-5 pada pengiraan yang dikurangkan.
- Kawalan Verbositas: Parameter verbositi boleh laras untuk memperhalusi panjang dan perincian tindak balas.
- Perhatian yang cekap: Kernel perhatian tersuai untuk penggunaan memori rendah tanpa mengorbankan keupayaan model untuk mengendalikan urutan yang panjang.
Apabila ditanda aras dengan GPT-4 o mini, GPT-5 nano menunjukkan sehingga 2× lebih pantas daya pemprosesan pada perkakasan yang sama, terima kasih kepadanya ringan reka bentuk.
Prestasi Penanda Aras
Walaupun GPT-5 petunjuk utama dalam prestasi mutlak, GPT-5 nano menyampaikan ketepatan kompetitif pada tanda aras utama:
- SWE-Bench (Kejuruteraan Perisian): Mencapai ~75% daripada ketepatan penjanaan kod utama GPT-5 sambil mengurangkan masa inferens sebanyak ~50%.
- HealthBench: Mengekalkan ~80% daripada prestasi penaakulan klinikal GPT-5 utama, sesuai untuk triage asas dan tugasan ringkasan .
- Ujian Pelbagai bahasa: Mengekalkan sokongan teguh merentas 12 bahasa, merosot kurang daripada 10% dalam kualiti terjemahan berbanding GPT-5 utama .
Keputusan ini menggariskan kesesuaian GPT-5 nano untuk sensitif kos and latensi-kritikal persekitaran di mana pertukaran sedikit dalam ketepatan boleh diterima.
Versi Model & Keturunan
- Nama Kad Model:
gpt-5-nano - Pemotongan Pengetahuan: 30 Mei 2024 untuk varian nano
- Kedudukan dalam Keluarga:
- Menggantikan GPT-4.1 nano sebagai tawaran peringkat permulaan
- Terletak di bawah GPT-5 mini dan GPT-5 utama dalam hierarki prestasi
Varian nano mewarisi peningkatan daripada latihan utama GPT-5, termasuk mengurangkan halusinasi and penaakulan struktur, walaupun pada skala yang lebih kecil.
Batasan
Walaupun GPT-5 nano cemerlang dalam kelajuan and kos, ia mempunyai kelemahan yang wujud:
- Kedalaman Dikurangkan: Kapasiti terhad untuk penaakulan pelbagai langkah berbanding dengan GPT-5 utama, menjadikannya kurang sesuai untuk tugas perancangan yang kompleks.
- Kadar Halusinasi yang Lebih Tinggi: Risiko meningkat sedikit untuk menghasilkan butiran yang salah di bawah gesaan yang tidak jelas.
- Ingat Kontekstual Rendah: Walaupun tetingkap token mentah adalah besar, mekanisme dalaman menyokong baru-baru ini konteks, berpotensi mengabaikan butiran awal dalam dialog yang sangat panjang .
Pembangun harus menimbang kekangan ini apabila memilih GPT-5 nano untuk aplikasi yang menuntut integriti fakta yang tinggi.
Gunakan Kes
GPT-5 nano bersinar dalam senario di mana masa sebenar respons dan kawalan kos adalah yang terpenting:
- Pembantu Mudah Alih: Chatbots pada peranti untuk apl pemesejan, penghantaran balasan segera tanpa awan di atas kepala.
- Antara Muka IoT: Kawalan berdaya suara dalam peranti rumah pintar, memanfaatkan inferens kependaman rendah.
- Analisis Edge: Merumuskan data penderia secara setempat sebelum memuat naik berkumpulan, mengurangkan penggunaan lebar jalur.
- Alat Pendidikan: Bot tunjuk ajar ringan yang beroperasi dalam penyemak imbas atau pada perkakasan rendah, menyediakan pembelajaran interaktif.
Berbanding dengan menjalankan GPT-5 utama dalam persekitaran awan tebal, nano membolehkan penempatan yang diedarkan pada skala dengan kos per-token yang boleh diramalkan.
Bagaimana hendak memanggil gpt-5-nano API daripada CometAPI
gpt-5-nano Harga API dalam CometAPI，diskaun 20% daripada harga rasmi:
| Token Input | $0.04 |
| Token Keluaran | $0.32 |
See Also Harga
Langkah yang Diperlukan
- Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar dahulu
- Dapatkan kunci API kelayakan akses antara muka. Klik "Tambah Token" pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan serahkan.
- Dapatkan url tapak ini: https://api.cometapi.com/
Gunakan Kaedah
- Pilih "
gpt-5-nano"/"gpt-5-nano-2025-08-07” titik akhir untuk menghantar permintaan API dan menetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API tapak web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. - Gantikan dengan kunci CometAPI sebenar anda daripada akaun anda.
- Masukkan soalan atau permintaan anda ke dalam medan kandungan—inilah yang akan dijawab oleh model.
- . Proses respons API untuk mendapatkan jawapan yang dijana.
CometAPI menyediakan REST API yang serasi sepenuhnya—untuk penghijrahan yang lancar. Butiran penting kepada Dokumen API:
- Parameter Teras:
prompt,max_tokens_to_sample,temperature,stop_sequences - Titik Akhir: https://api.cometapi.com/v1/chat/completions
- Parameter Model: "
gpt-5-nano"/"gpt-5-nano-2025-08-07" - Pengesahan:
Bearer YOUR_CometAPI_API_KEY - Jenis kandungan:
application/json.
Arahan Panggilan API: gpt-5-chat-latest hendaklah dipanggil menggunakan standard /v1/chat/completions format. Untuk model lain (gpt-5, gpt-5-mini, gpt-5-nano dan versi bertarikhnya), gunakan the /v1/responses format disyorkan.Pada masa ini dua mod tersedia.
See Also GPT-5 model