GPT-5.4 nano

Fiche modèle · OpenAI · gpt-5.4-nano

GPT-5.4 nano is OpenAI's cheapest GPT-5.4-class model for simple high-volume tasks. It is optimized for classification, data extraction, ranking, and lightweight coding subagents, while preserving strong reasoning, multimodal understanding, and tool use for latency-sensitive workloads.

Fiches modèles

Identité

Organisation	OpenAI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-03-17
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	0.45 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	3.78 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	2025-08-31
Créé le	2026-05-07T16:53:34.556604Z
Mis à jour le	2026-11-04T06:05:01.091572Z
Source	LLM Stats
URL	https://llm-stats.com/models/gpt-5.4-nano

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
OpenAI	llm-stats	non	0.20 $	1.25 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
long_context	0.50
math	0.50
multimodal	0.70
physics	0.80
reasoning	2.50
spatial_reasoning	8.80
structured_output	0.80
finance	0.40
general	2.20
healthcare	0.30
agents	0.40
biology	0.80
chemistry	0.80
code	0.50
communication	0.90
tool_calling	0.60
vision	6.00

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
finance-agent-v2	agents	0.38	1.00	0.38	non	non	2026-11-04T06:05:01.220909Z
gpqa	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:05:01.129963Z
graphwalks-bfs-<128k	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:05:01.207525Z
graphwalks-parents-<128k	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:05:01.215541Z
humanity's-last-exam	reasoning	0.24	1.00	0.24	non	oui	2026-11-04T06:05:01.140948Z
livebench	math	0.70	1.00	0.70	non	non	2026-11-04T06:05:01.235662Z
mcp-atlas	reasoning	0.56	1.00	0.56	non	oui	2026-11-04T06:05:01.113925Z
mmmu-pro	vision	0.66	1.00	0.66	non	oui	2026-11-04T06:05:01.166931Z
mrcr-v2-(8-needle)	long_context	0.33	1.00	0.33	non	oui	2026-11-04T06:05:01.201413Z
omnidocbench-1.5	vision	0.76	1.00	0.76	non	oui	2026-11-04T06:05:01.175627Z
osworld-verified	multimodal	0.39	1.00	0.39	non	oui	2026-11-04T06:05:01.146599Z
swe-bench-pro	reasoning	0.52	1.00	0.52	non	oui	2026-11-04T06:05:01.096399Z
tau2-telecom	communication	0.93	1.00	0.93	non	oui	2026-11-04T06:05:01.118978Z
terminal-bench-2	reasoning	0.46	1.00	0.46	non	oui	2026-11-04T06:05:01.100853Z
toolathlon	agents	0.35	1.00	0.35	non	oui	2026-11-04T06:05:01.105630Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	127	—	10.68	6	trueskill	2026-10-19	model_history
code	142	—	15.44	3	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04