.png&w=3840&q=75)
GPT-5.4 Mini と GPT-5.4 Nano は、OpenAI の GPT-5.4 フロンティアファミリーに属する新しいコンパクト版です。Mini は、コーディング、マルチモーダル UI タスク、サブエージェントのワークロードにおいて、クラス最高レベルの性能とレイテンシのトレードオフを目指しています。Nano は、分類、抽出、ランキング、大規模並列のサブエージェント向けに、超低コストかつ低レイテンシを目指しています。Mini は多くの開発者向けベンチマークでフロンティア級に近い精度を提供しつつ、従来の mini より 2 倍超高速に動作します。Nano はトークン単価が大幅に安く、スループットと応答性が最重要となる場面に最適です。これらのモデルは API で利用可能です（GPT 5.4 Mini と Nano は CometAPI で利用できます）。
GPT-5.4 Mini と GPT-5.4 Nano とは？
短い定義: GPT-5.4 Mini と GPT-5.4 Nano は、GPT-5.4 ファミリーのコンパクトかつ最適化された派生モデルであり、大規模な GPT-5.4 の中核的な強み（推論、コーディング、マルチモーダル認識、ツール利用）を、高速かつ低コストなモデルとして高トラフィック・低レイテンシのワークロード向けに提供することを目的としています。これらのモデルは、GPT-5.4 の展開の一環として OpenAI により発表されました。
- GPT-5.4 Mini — 高性能な小型モデルであり、速度と低コストに最適化されながらも、「複数の評価において GPT-5.4 の性能に迫る」とされています。特に、コーディング、推論、マルチモーダル UI 解釈（スクリーンショット）、およびエージェントシステム内のサブエージェント用途が強調されています。OpenAI によると、従来の「mini」系バリアントより 2 倍超高速に動作します。
- GPT-5.4 Nano — 最小かつ最安価の GPT-5.4 バリアントであり、分類、抽出、ランキング、そして非常に高いスループットで狭い反復タスクを処理する「補助的な」サブエージェント向けに推奨されています。より深い推論能力を、レイテンシとコスト削減と引き換えにしています。
提供状況と価格
OpenAI は、コスト比較に使える 2 つの具体的な価格情報を提供しています。
- GPT-5.4（フルフラッグシップ）API の入力価格: $2.50 / 1M tokens（出力価格はフラッグシップのほうがさらに高い）。
- GPT-5.4 mini API の入力価格: $0.75 / 1M tokens、出力価格: $4.50 / 1M tokens。
- GPT-5.4 nano API の入力価格: $0.20 / 1M、出力価格: $1.25 / 1M。
これを並べてみると、mini の入力トークン価格（0.75）はフラッグシップ（2.50）の 30% であり、おおよそ 3 分の 1 の入力コストです。mini の出力価格（4.50）も、API 価格表に記載されたフラッグシップ出力価格の 約 32% であり、こちらもほぼ 3 分の 1 です。Nano はさらに安価で、入力コストはフラッグシップ入力コストの 約 8%、出力コストはフラッグシップ出力コストの 10% 未満 です。これらの比率こそが、OpenAI が高ボリュームタスク向けに mini/nano を、最大モデル使用時コストの「約 3 分の 1」（mini）および「ごく一部」（nano）と位置付けている理由です。nano のトークン価格は $0.05 から $0.20 に上昇し、mini のトークン価格は $0.25 から $0.75 に上昇しました（入力トークン価格）。
OpenAI プラットフォーム内
GPT-5.4 mini は、OpenAI API、Codex（OpenAI の開発者向け IDE/アプリプラットフォーム）、および ChatGPT の 3 か所で利用できます（ChatGPT では Free および Go ユーザー向けに「Thinking」オプション経由で利用可能であり、有料プランではレート制限時のフォールバックとしても利用されます）。API では、テキストおよび画像入力、ツール利用（function calling）、Web/ファイル検索、computer use、skills をサポートしており、さらに非常に大きなコンテキストウィンドウ（400k トークン）を備えているため、文書中心や複数スクリーンショットを扱うワークフローに適しています。API 価格は、入力 1M トークンあたり $0.75、出力 1M トークンあたり $4.50 です。
GPT-5.4 nano は API 経由でのみ利用可能です。定価は 入力 1M トークンあたり $0.20、出力 1M トークンあたり $1.25 であり、GPT-5.4 ファミリーの中で最も低コストな選択肢となっています。nano モデルは、コストと速度のために意図的に能力をトレードオフしています。
サードパーティプラットフォーム
CometAPI は AI API のマルチモーダル集約プラットフォームであり、現在 GPT 5.4 Mini と GPT 5.4 Nano を含む GPT 5.4 Series API を、OpenAI 価格から 20% 割引で提供開始しています。
GPT 5.4 Nano:
| Comet 価格 (USD / M Tokens) | 公式価格 (USD / M Tokens) |
|---|---|
| Input:$0.16/M; Output:$1/M | Input:$0.2/M; Output:$1.25/M |
GPT 5.4 Nano:
| Comet 価格 (USD / M Tokens) | 公式価格 (USD / M Tokens) |
|---|---|
| Input:$0.6/M; Output:$3.6/M | Input:$0.75/M; Output:$4.5/M |
主な機能と新要素
以下は、注目すべき主要な能力であり、エンジニアやプロダクトチームが関心を持つ理由です。
エンコーディングと長文コンテキスト対応
コンテキストウィンドウ: GPT-5.4 mini は 400k トークン のコンテキストウィンドウをサポートします（OpenAI は mini を 400k コンテキスト対応として明示しています）。これは、複数ファイルのコードベース、長文ドキュメント、またはコンテキストが重要な複数ターンのエージェントセッションに十分な大きさです。Nano のコンテキストはフル GPT-5.4 より小さいものの、高速な短タスクにはなお十分に大きいものです。
推論
推論レベル: OpenAI は設定可能な reasoning_effort（none → xhigh）を公開しており、mini と nano はどちらも異なる推論強度で動作できますが、mini は高い effort 設定において、多くの推論ベンチマークでフル GPT-5.4 に近づきます。いくつかの知能ベンチマーク（例: GPQA Diamond）では、mini は GPT-5.4 の 93.0% に対して 88.0% を達成し、nano は 82.8% を記録しており、小型モデルとして十分に高い推論性能を示しています。これらは OpenAI がローンチ投稿で公表した結果です。
マルチモーダル理解（視覚と UI）
視覚認識と UI タスク: GPT-5.4 mini は UI タスク（スクリーンショット、高密度文書画像）に対して非常に強いマルチモーダル性能を示します。OSWorld-Verified（computer-use ベンチマーク）では、mini は 72.1% を記録し、GPT-5.4 の 75.0% にかなり近く、従来の mini を大きく上回ります。このため、mini はスクリーンショット駆動の自動化や応答性の高いマルチモーダルアシスタント向けに位置付けられています。Nano は視覚ベンチマークではより低い性能ですが、より単純な画像タスクには依然として有用です。
ツール呼び出しと computer use
ネイティブなツール/クリック機能: GPT-5.4 はネイティブな computer-use ツールを導入・拡張しており、mini はツール呼び出し、function calling、スクリーンショット解釈、サブエージェントのオーケストレーション能力を引き継いでいます。ツール呼び出しベンチマーク（Toolathlon、MCP Atlas）では、mini と nano はそれぞれ十分に良好なスコアを示しています（Toolathlon: mini 42.9%、nano 35.5%）。これは外部ツールを呼び出し、連携する能力を定量化したものです。これらの指標は OpenAI の発表によるものです。
幻覚 / 事実性 / エラー率
OpenAI は GPT-5.4 を「これまでで最も事実性の高いモデル」としており、GPT-5.2 と比べて幻覚の減少を示しています。一方で、mini と nano はフルモデルより絶対的な事実性が低く（例: HLE w/ tools で GPT-5.4 52.1%、mini 41.5%、nano 37.7%）、高い事実性が求められるタスクでは、小型モデル利用時に検証の必要性が増すことを示唆しています。正確性が重要な場合は、ツールベースの検証（ツール呼び出し、引用の再確認）を使用してください。
速度
OpenAI によると、GPT-5.4 mini は、一般的な本番環境スタイルのレイテンシ推定において、従来の GPT-5 mini より 2 倍超高速 に動作します（これらはツール呼び出し時間やサンプリングされたトークン数を含む、シミュレートされた本番挙動に基づいています）。この高速化は新しいファミリーの中心的な主張であり、mini をコーディングアシスタントのような対話型アプリ内の応答性の高いサブエージェントとして利用可能にしています。
Mini と Nano の性能はどの程度か — フル GPT-5.4 に「迫る」のか？
OpenAI は、コーディング、ツール利用、マルチモーダル computer-use タスク、知能テスト、長文コンテキスト評価にわたる包括的なベンチマーク比較を公表しました。主な数値（該当する場合は xhigh reasoning effort）は以下の通りです。
| Benchmark | GPT-5.4 | GPT-5.4 Mini | GPT-5.4 Nano | GPT-5 Mini (旧) | Notes |
|---|---|---|---|---|---|
| SWE-Bench Pro (Coding) | 57.7% | 54.4% | 52.4% | 45.7% | Mini はフルモデルのコーディング性能に迫る |
| Terminal-Bench 2.0 (Interactive Coding) | 75.1% | 60.0% | 46.3% | — | Mini はリアルタイムコーディング能力が高い |
| Toolathlon (Tool Use) | 54.6% | 42.9% | 35.5% | — | オーケストレーションとツール呼び出しを測定 |
| GPQA Diamond (Advanced QA) | 93.0% | 88.0% | 82.8% | — | 知能と推論のベンチマーク |
| OSWorld-Verified (GUI Tasks) | 75.0% | 72.1% | 39.0% | 42.0% | UI/computer-use 能力 |
これらの数値は、特にコーディングと computer-use タスクにおいて、mini がしばしば差をかなり縮めていることを示しています。一方で nano は、能力とコストのバランスを取った有用な中間的ポジションを占めています。
数字を平易に言うとどういう意味か？
- GPT-5.4 Mini ≈ 多くの本番タスクで「ほぼフラッグシップ級」 です。SWE-Bench Pro（コーディングの通過率指標）では、mini は 54.4%、フラッグシップは 57.7% であり、特にレイテンシが重要な多くの実運用コーディングタスクでは差は小さいと言えます。OSWorld（computer use）でも、mini は 72.1%、フラッグシップは 75.0% と、UI/スクリーンショットタスクでも非常に近い数値です。
- GPT-5.4 Nano は、速度/コストのためにより大きく能力をトレードオフ しています。Nano のコーディングスコア（SWE-Bench Pro で 52.4%）は旧 mini と比べて十分高い一方で、OSWorld スコアは 39.0% まで低下しており、複雑な多段 UI 理解やエージェント型ツールシーケンスを必要とするタスクには適していないことを示しています。Nano は単発の分類、抽出、小規模な補助タスクで力を発揮します。
- ツール利用は改善したが、依然として繊細です。 Toolathlon などのツール利用指標は、GPT-5 mini から GPT-5.4 mini/nano へ切り替えると大きく向上しており、OpenAI が小型モデルにおけるツール呼び出しの信頼性を改善したことを示しています。ただし、複雑なツールオーケストレーションではフルモデルが依然として優位です。
実運用での活用方法
圧縮、蒸留、エンジニアリング最適化
mini/nano のようなコンパクトモデルは通常、モデル蒸留、量子化、アーキテクチャの枝刈り を組み合わせて、高価値な能力（コーディングのヒューリスティクス、視覚認識など）を維持しながら、推論計算量を削減します。OpenAI の表現からは、小型化しつつ特定のスキルセット（コーディング、マルチモーダル UI 理解）を保持するための重点的なエンジニアリングが行われたことが示されています。
推奨パターン
- オーケストレーター + サブエージェントパターン: GPT-5.4（大規模）をプランナー/ジャッジとして使い、GPT-5.4 mini / nano のサブエージェントに検索、解析、編集などの作業を割り当てます。これにより総コストを削減し、ユーザー向けレイテンシも低下します。OpenAI はこの設計パターンを明示的に推奨しています。
- フォールバックとレート制限対応: ChatGPT や Codex において、フルモデルが利用できない際にも、時間に敏感なクエリに対して mini をレート制限時のフォールバックとして提供します。
- コスト管理のための階層型アーキテクチャ: バルク処理パイプライン（インデックス作成、抽出）→ GPT-5.4 nano、対話型 UI コンポーネント → GPT-5.4 mini、最終的な編集判断 / 複雑なチェーン → GPT-5.4 full。この多層アプローチにより、コストと能力のバランスを取れます。
レイテンシと並列化
Mini と nano は、並列サブエージェント 向けに最適化されています。たとえば、数千の PDF を並列にスキャンするようなユースケースです。OpenAI の「tool yields」という概念は、並列ツール呼び出しがどのように実時間レイテンシを削減するかを測定するものであり、mini/nano はそのようなパターンをコスト効率よく実現するよう設計されています。
実際に mini と nano をどう使うべきか
フラッグシップ向けの呼び出しをすべて mini/nano に置き換えるべきか？
自動的にそうすべきではありません。OpenAI が明示的に推奨している適切なパターンは 委譲 です。より大きなモデルを計画立案、複雑な判断、最終検証に使い、多数の補助的で短いサブタスクを mini または nano のサブエージェントに割り当てます。このパターンにより、重要な部分では大規模モデルのガードレールを維持しつつ、コストとレイテンシを削減できます。ユースケースの例:
- 対話型コーディングアシスタント: フラッグシップが計画とレビューを担当し、mini が高速なコード検索、編集、短いユニットテストを担当する。
- スクリーンショット駆動の「computer use」エージェント: mini が高密度インターフェースを素早く解析し、フラッグシップが曖昧な多段計画を解決する。
- 高ボリュームの抽出・分類パイプライン: nano がフォームやログの大量バッチ入力を処理し、構造化結果を返し、フラッグシップが例外や複雑なエッジケースを処理する。
mini や nano はマルチモーダルや画像タスクに使えるか？
はい。mini は画像入力をサポートしており、マルチモーダル/視覚駆動ベンチマーク（MMMUPro/OmniDocBench）で高い性能を示し、一部のテストではフラッグシップに迫っています。Nano のマルチモーダル性能はより限定的です。従来の nano より改善しているものの、深いマルチモーダル推論やエージェント型の画像ベースタスクには最適な選択ではありません。
小型モデル能力の競争は激化している
3 か月前までは、小型モデルは「十分に使える」と見なされていました。今では、GPT-5.4 mini はプログラミングベンチマークでフラッグシップモデルに迫り、計算性能でもほぼ並びつつあります。
この背後にあるトレンドは明確です。フラッグシップモデルの能力が急速に小型モデルへ移転されています。OpenAI、Google、Anthropic はいずれも同じことを進めており、大規模モデルの中核能力を、より小さく、より速く、より安価なバージョンへ蒸留しています。
結論
これら 2 つのモデルの登場は、AI アプリケーションの焦点がスケール重視から実用的な効率重視へ移行していることを示しています。高速な応答能力を通じて、リアルタイム AI インタラクションや複雑なタスクフロー分解のための、より信頼性の高い基盤を提供します。
開発者にとって、これはエージェントシステムのコスト構造が再定義されつつあることを意味します。コストがここまで下がれば、これまで「理論上は可能だが経済的には非現実的」だった多くのエージェントシナリオが実現可能になります。
開発者は現在、GPT 5.4 Mini および GPT-5.4 Nano を CometAPI 経由で利用できます（CometAPI は GPT APIs、Nano Banana APIs などの大規模モデル API をまとめて提供するワンストップ集約プラットフォームです）。利用前に、CometAPI にログインし、API キーを取得していることを確認してください。CometAPI は、統合を支援するために公式価格よりはるかに低い価格を提供しています。
Ready to Go?