17 მარტს OpenAI-იმ ChatGPT-ის კომპაქტური მოდელები - GPT 5.4 mini და nano გამოუშვა. ისინი ერთ-ერთი ყველაზე ეფექტური მინი მოდელებია, რომლებიც GPT 5.4-ის საწყისი მახასიათებლებით არიან აღჭურლვილნი და მაღალი დატვირთვის სამუშაოებს უფრო სწრაფად ასრულებენ.
GPT 5.4 mini მნიშვნელოვანი გაუმჯობესებაა GPT 5 mini-ის შემდეგ, განსაკუთრებით პროგრამირებაში, მსჯელობასა და მულტიმოდალურ გამოყენებაში - თანაც ის წინამორბედზე ორჯერ უფრო სწრაფია.
GPT 5.4 nano 5.4 მოდელების ყველაზე მცირე და ბიუჯეტური მოდელია და ისეთი დავალებებისთვის არის განკუთვნილი, რომლებისთვისაც სისწრაფე და ხარჯები კრიტიკულად მნიშვნელოვანია. კომპანია ამ მოდელს რეკომენდაციას უწევს დახარისხების, მონაცემთა ამოღების, რანჟირებისა და ისეთი დავალებების შესასრულებლად, სადაც პატარ-პატარა ამოცანებისთვის, ქვეაგენტებიც არიან ჩართულები.
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
SWE-Bench Pro (Public) | 57.7% | 54.4% | 52.4% | 45.7% |
Terminal-Bench 2.0 | 75.1% | 60.0% | 46.3% | 38.2% |
Toolathlon | 54.6% | 42.9% | 35.5% | 26.0% |
GPQA Diamond | 93.0% | 88.0% | 82.8% | 81.6% |
OSWorld-Verified | 75.0% | 72.1% | 39.0% | 42.0% |
პროგრამირება
GPT 5.4 mini და nano განსაკუთრებული ეფექტურობით გამოირჩევიან პროგრამირების ისეთ პროცესებში, სადაც სწრაფი გამეორება და შემოწმება გადამწყვეტია. მოდელები თავისუფლად მუშაობენ შერჩევით რედაქტირებაზე, front-end გენერაციაზე და debugging ციკლებზე, რაც მათ სწრაფი კოდირებისთვის შესანიშნავ მოდელებად აქცევს.
სამუშაო ნიშნულებში GPT 5.4 mini მნიშვნელოვნად უსწრებს თავის წინამორბედს - GPT 5-ს და ამავდროულად, ზოგიერთ მახასიათებელში GPT 5.4-საც უტოლდება.
წყარო: OpenAi
ქვეაგენტები
GPT 5.4 mini ასევე ეფექტურია ისეთი სისტემებისთვისაც, რომლებიც სხვადასხვა ზომის მოდელებს აერთიანებენ. მაგალითად Codex-ში, მსხვილი მოდელები, როგორიცაა GPT 5.4 მიმართულია დაგეგმარებაზე, კოორდინაციასა და საბოლოო გადაწყვეტელიბებზე, ხოლო GPT 5.4 mini-ს ქვეაგენტი კი პარალელურ რეჟიმში აკვირდება კოდს, განიხილავს მსხვილ ფაილებს და აანალიზებს დოკუმენტებს.
ასეთი სამუშაო პროცესები უფრო და უფრო გამოსადეგი ხდება, რადგან პატარა მოდელები უფრო სწრაფად და ბიუჯეტურად ასრულებენ საქმეს (ნაკლებ კრედიტებს/ტოკენებს მოიხმარენ). ახლა უკვე ერთი მოდელის გამოყენების ნაცვლად, დეველოპერებს შეუძლიათ საქმე სირთულის მიხედვით გადაუნაწილონ მოდელებს და უფრო სწრაფად გავიდნენ დასახულ შედეგზე. GPT 5.4 mini კი ასეთ პროცესებში გამოსაყენებლად კომპანიის ყველაზე ძლიერი მოდელია.
ხელმისაწვდომობა & ღირებულება
ამჟამად GPT 5.4 mini-ს გამოყენებას შეძლებთ როგორც API ინტეგრაციით, ასევე ChatGPT-ისა და Codex-ის პლატფორმებითაც. ChatGPT-ის პლატფორმაზე GPT 5.4 mini ხელმისაწვდომია უფასო და Go პაკეტის მომხმარებლებისთვისაც. ამისათვის საჭიროა “Thinking” მოდელის გააქტიურება.
რაც შეეხება GPT 5.4 nano მოდელს, ის მხოლოდ API-ით არის ხელმისაწვდომი და 1 მილიონ ტოკენზე $0.20 ცენტი დაგიჯდებათ.
API-ის შემთხვევაში GPT 5.4 აქვს ტექსტისა და სურათის მხარდაჭერა, შეუძლია პროგრამების გამოყენება, ფუნქციების გამოძახება, ინტერნეტში ძიება, დოკუმენტების ძიება და კომპიუტერის გამოყენებაც. მას 400,000-იანი აქვს. მისი ღირებულება მომხარებლის მიერ შეყვანილ 1 მილიონ ტოკენზე $0.75 ცენტია, ხოლო დაბრუნებულ შედეგზე კი $4.50.
პროგრამირება
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
SWE-bench Pro (Public) | 57.7% | 54.4% | 52.4% | 45.7% |
Terminal-Bench 2.0 | 75.1% | 60.0% | 46.3% | 38.2% |
ხელსაწყოების გამოყენება
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
MCP Atlas | 67.2% | 57.7% | 56.1% | 47.6% |
Toolathlon | 54.6% | 42.9% | 35.5% | 26.9% |
τ2-bench (telecom) | 98.9% | 93.4% | 92.5% | 74.1% |
ინტელექტი
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
GPQA Diamond | 93.0% | 88.0% | 82.8% | 81.6% |
HLE w/ tool | 52.1% | 41.5% | 37.7% | 31.6% |
HLE w/o tools | 39.8% | 28.2% | 24.3% | 18.3% |
MM / Vision / CUA
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
OSWorld-Verified | 75.0% | 72.1% | 39.0% | 42.0% |
MMMUPro w/ Python | 81.5% | 78.0% | 69.5% | 74.1% |
MMMUPro | 81.2% | 76.6% | 66.1% | 67.5% |
OmniDocBench 1.5 (no tools)² — lower is better | 0.109 | 0.1263 | 0.2419 | 0.1791 |
ვრცელი კონტექსტი
GPT-5.4 (xhigh) | GPT-5.4 mini (xhigh) | GPT-5.4 nano (xhigh) | GPT-5 mini (high¹) | |
|---|---|---|---|---|
OpenAI MRCR v2 8-needle 64K–128K | 86.0% | 47.7% | 44.2% | 35.1% |
OpenAI MRCR v2 8-needle 128K–256K | 79.3% | 33.6% | 33.1% | 19.4% |
Graphwalks BFS 0K–128K | 93.1% | 76.3% | 73.4% | 73.4% |
Graphwalks parents 0–128K (accuracy) | 89.8% | 71.5% | 50.8% | 64.3% |
წყარო: OpenAI
ეს უბრალოდ AI-ია.
