新智元报道

编辑：好困 桃子

深夜，OpenAI祭出「双子星」GPT-5.4 mini和nano，实力逼近满血版，速度性价比拉满，用来编码、当「龙虾」主力真香！

OpenAI一声不吭，又扔了一颗炸弹。

今天，GPT-5.4 mini和GPT-5.4 nano正式发布。

没有预热，没有倒计时，直接上线。

这两个模型要解决的问题很明确：在真实的生产环境里，怎么让AI又快又准又便宜地干活？

它们继承了GPT-5.4核心优势，速度拉满、成本更低，堪称轻量级模型巅峰之作。

先说最炸裂的数字——

编码（SWE-Bench Pro）：GPT-5.4 mini拿下54.4%，而满血版GPT-5.4是57.7%；

计算机使用（OSWorld-Verified）：GPT-5.4 mini 72.1%的成绩，媲美GPT-5.4（75%）

另外，在推理、工具调用等任务中，mini的实力直接逼近GPT-5.4。

而且，相较于上一代GPT-5 mini，GPT-5.4 mini运行速度直接飙升2倍！

网友直言，mini和nano完全可以当做「龙虾」的主力模型来用！

GPT-5.4 mini有400k超大上下文，输入价格0.75美元/百万token，输出价格4.5美元/百万token；

GPT-5.4 nano输入价格0.2美元/百万token，输出价格1.25美元/百万token。

相较于GPT-5.4，mini输出价格是其1/3，而nano价格只有1/12。

如今，快、强、便宜，三个词同时成立了。

而在半年之前，这是完全不可能的。

有人试用后惊叹道，简直太香了！不仅速度快，还要比Claude 4.6 Opus便宜9倍。

代码恐怖进化

mini追平「满血」，nano吊打前代

先看编码。

SWE-Bench Pro是目前衡量大模型「真实编码能力」最硬核的基准之一，它不考填空题，而是让模型直接修复GitHub上的真实软件Bug。

GPT-5.4 mini拿下54.4%，距满血版GPT-5.4（57.7%）只差3.3%。

这意味着一个为速度和成本优化的小模型，在解决真实工程问题时，已经摸到了旗舰模型的天花板。

而上一代GPT-5 mini仅45.7%，mini到mini之间，一代之隔就是近9%的飞跃。

Terminal-Bench 2.0的差距更夸张。GPT-5.4 mini拿下60.0%，GPT-5 mini只有38.2%，提升幅度超过57%。

即便是最小号的nano，也在SWE-Bench Pro上打出了52.4%，比上一代mini还高出近7%。

一个定位于「分类和数据提取」的超轻量模型，代码能力居然碾压上一代的中量级选手，这就是蒸馏模型在过去几个月的进化速度。

对开发者来说，这组数据的实际含义非常直接：

那些不需要旗舰模型「满功率思考」的编码任务，比如定向代码修改、前端页面生成、调试循环、代码库检索，现在可以全部交给mini，速度快一倍，成本低一大截，效果几乎无损。

博士级推理，复杂工具调用双杀

编码只是一个切面，推理和工具调用能力，决定了一个模型能不能真正「干活」。

GPQA Diamond是一个博士级科学推理基准，GPT-5.4 mini取得了88%的成绩，与GPT-5.4仅差5%。

更值得关注的是「工具调用」能力。

Toolathlon主要测试模型在复杂工具链中的表现，不只是调一次API，而是在多步骤任务中正确地组合、排序、使用多种工具。

结果，GPT-5.4 mini得分42.9%，完全碾压GPT-5 mini（26.9%）。

此外，在电信行业专用基准τ2-bench上，mini更是打出了93.4%的超高分，几乎追平满血版98.9%，把GPT-5 mini（74.1%）远远甩在身后。

在另一个工具调用基准MCP Atlas上，GPT-5.4 mini拿到57.7%，而GPT-5 mini只有47.6%。

这些数字汇成一句话：GPT-5.4 mini不只是一个「缩小版的聪明模型」，它是一个真正能在生产环境中独立完成复杂任务链的执行者。

「龙虾」主力

小模型也能「看屏幕干活」

GPT-5.4 mini真正让人意外的，是它在计算机使用上的表现。

人怎么用电脑？眼睛看屏幕上的UI元素，大脑判断该点哪里，手去操作鼠标和键盘。

如果AI要真正成为你的「赛博助理」，它也得学会这套——快速解析一张信息密集的屏幕截图，定位按钮、输入框和数据列表，然后做出正确操作。

OSWorld-Verified就是测这个「视觉理解+推理+操作」三位一体的综合能力的。

在这张榜上，GPT-5.4 mini拿到了72.1%，而旗舰版GPT-5.4是75.0%。差距不到3个百分点。

反观GPT-5 mini只有42.0%。一代之间，计算机使用能力几乎翻了一倍。

不过，nano在这项测试中只拿到了39.0%，甚至略低于上一代GPT-5 mini的42.0%。

这说明计算机使用任务对模型的视觉推理能力有很高的门槛要求，不是单纯缩小模型就能保住的：mini和nano之间存在一道清晰的能力断层。

在MMMUPro（含Python工具）上，mini拿到78.0%，旗舰版81.5%，差距同样很小。

这个基准涵盖了大量需要结合视觉信息和数学/代码工具进行推理的复杂题目。

这组结果对一个特定方向有重大意义：AI Agent。

当一个小模型能快速解析信息密集的UI截图，并在低延迟下做出正确操作决策时，它就成了构建实时计算机使用Agent的理想引擎——成本低，响应快，能力够。

在TBPN最新访谈中，奥特曼明确了下一步愿景：

OpenAI将推出一个进化版的Codex，新版本不再局限于编程，将演变成一个「控制计算机」的强大工具。

在他设想中，人们可以完全通过手机启动并管理新任务，真正的终极体验是，拥有一个基于统一后端的个人专属的AI。

它能访问个人所有数据、想法、素材、记忆，并能跨越多个终端，无缝执行任务