> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# GPT-5.4 Mini и Nano: быстрые модели для кода и субагентов
- URL: https://matveev.tech/gpt-5-4-mini-nano/
- Published: 2026-03-17T18:54:12.000Z
- Updated: 2026-03-17T18:54:12.000Z
- Description: OpenAI выпустила GPT-5.4 Mini и Nano. Mini почти догоняет флагман на кодинге и computer use, но работает вдвое быстрее. Разбираю бенчмарки, цены и когда какую использовать.
- Author: Pavel Matveev
- Tags: OpenAI, AI, LLM, Новости

> TL;DR: OpenAI выпустила GPT-5.4 Mini и Nano. Mini почти догоняет полноразмерную GPT-5.4 на кодинге и computer use, но работает вдвое быстрее и стоит втрое дешевле. Nano ещё дешевле и заточена под классификацию, извлечение данных и простые подзадачи в субагентных системах.

## Зачем OpenAI маленькие модели

Не каждая задача требует флагман. Когда AI-агент ищет файл в кодовой базе, парсит скриншот или классифицирует тикет, ему не нужна модель за $15 на миллион токенов. Нужна та, что ответит быстро, вызовет инструменты без ошибок и не съест бюджет за утро.

GPT-5.4 Mini и Nano решают именно эту проблему. Mini заменяет GPT-5 Mini и прибавляет 9–20 п.п. на основных бенчмарках, а Nano создана для задач, где критичны скорость и стоимость.

## Бенчмарки: Mini подбирается к GPT-5.4

Вот главная таблица. Все модели тестировались на максимальном reasoning effort (xhigh для 5.4, high для GPT-5 Mini, потому что выше у неё нет).

| Бенчмарк           | GPT-5.4 | GPT-5.4 Mini | GPT-5.4 Nano | GPT-5 Mini |
| ------------------ | ------- | ------------ | ------------ | ---------- |
| SWE-Bench Pro      | 57.7%   | 54.4%        | 52.4%        | 45.7%      |
| Terminal-Bench 2.0 | 75.1%   | 60.0%        | 46.3%        | 38.2%      |
| GPQA Diamond       | 93.0%   | 88.0%        | 82.8%        | 81.6%      |
| OSWorld-Verified   | 75.0%   | 72.1%        | 39.0%        | 42.0%      |
| Toolathlon         | 54.6%   | 42.9%        | 35.5%        | 26.9%      |

SWE-Bench Pro показывает разницу между Mini (54.4%) и полноразмерной моделью (57.7%) всего в 3.3 процентных пункта. При этом Mini работает в 2 раза быстрее.

## Кодинг: когда скорость важнее мощности

![](https://matveev.tech/content/images/2026/03/SWE-Bench-Pro--Public-_Accuracy-vs-Latency.png)

![](https://matveev.tech/content/images/2026/03/SWE-Bench-Pro--Public-_Accuracy-vs-Cost.png)

OpenAI позиционирует Mini и Nano как модели для coding workflows с быстрой итерацией. На практике это точечные правки, навигация по кодовой базе, генерация фронтенда и дебаг-циклы.

В Codex Mini использует только 30% квоты GPT-5.4\. Это значит, что ты можешь переключаться между задачами: сложные вещи отдать полной модели, а рутину (поиск по коду, ревью файлов, обработку документов) скинуть на Mini и не думать о лимитах.

⚡

GPT-5.4 Mini в Codex тратит 30% квоты полной модели. Три задачи на Mini ≈ одна задача на GPT-5.4.

Nano в кодинге тоже полезна, хотя для других задач. SWE-Bench Pro на 52.4% говорит о том, что даже самая дешёвая модель в линейке решает больше половины реальных задач по коду. Для субагента, который обрабатывает простые подзадачи параллельно, этого достаточно.

## Субагенты: главный сценарий для Mini

Думаю, самое важное в этом релизе не сами модели, а паттерн использования, который OpenAI продвигает. Большая модель (GPT-5.4) планирует и координирует. Маленькие модели (Mini, Nano) выполняют подзадачи параллельно.

В Codex это уже работает: GPT-5.4 решает, что делать, а Mini-субагенты ищут по кодовой базе, ревьюят файлы, обрабатывают документы. [Документация по субагентам](https://matveev.tech/codex-subagents-tutorial/) описывает этот подход подробнее.

Этот паттерн не уникален для OpenAI. Anthropic делает то же самое с Claude, где Opus координирует, а Haiku/Sonnet выполняют. Но OpenAI первыми встроили это прямо в продукт (Codex), а не оставили на уровне API.

Пишу про мультиагентные системы, модели и dev tools — [подписывайся в телеграм](https://t.me/ctospeech?ref=matveev.tech).

## Computer use: Mini видит интерфейсы

![](https://matveev.tech/content/images/2026/03/OSWorld-Verified.png)

На мультимодальных задачах Mini показывает 72.1% на OSWorld-Verified, почти как полная GPT-5.4 (75%). Модель быстро разбирает скриншоты сложных интерфейсов и действует по ним.

Если ты строишь автоматизацию GUI (заполнение форм, навигация по приложениям, тестирование UI), Mini тут хороший выбор. Полная GPT-5.4 точнее на 3%, но медленнее и дороже втрое, и эти 3% редко оправдывают разницу.

Nano тут не подходит. 39% на OSWorld — ниже, чем у предыдущего поколения GPT-5 Mini. Для задач с визуальным пониманием ей пока не хватает.

## Цены и доступность

| Модель       | Input (за 1M токенов) | Output (за 1M токенов) | Контекст | Где доступна        |
| ------------ | --------------------- | ---------------------- | -------- | ------------------- |
| GPT-5.4 Mini | $0.75                 | $4.50                  | 400K     | API, Codex, ChatGPT |
| GPT-5.4 Nano | $0.20                 | $1.25                  | —        | Только API          |

Mini поддерживает текст и изображения, tool use, function calling, веб-поиск, file search, computer use и skills. Контекстное окно — 400K токенов.

В ChatGPT Mini доступна бесплатным пользователям и подписчикам Go через режим «Thinking». Для остальных тарифов Mini включается как фолбэк при достижении лимита GPT-5.4.

Nano — только через API. Для чат-ботов, классификаторов, пайплайнов извлечения данных и субагентов на простых задачах.

[Introducing GPT‑5.4 mini and nanoFast and efficient models optimized for coding and subagentsOpenAI](https://openai.com/index/introducing-gpt-5-4-mini-and-nano/?ref=matveev.tech)

## Вывод

Mini почти догоняет флагман на кодинге и computer use при вдвое большей скорости и втрое меньшей цене. Думаю, для большинства задач в Codex и API она станет дефолтом.

Nano, $0.20 за миллион входных токенов. На этом уровне можно гонять тысячи запросов без оглядки на бюджет. Для классификации и простых субагентов больше и не нужно.

Вообще, интересно тут не сами модели, а то, куда OpenAI ведёт. Они строят систему, где модели разных размеров работают вместе: большая думает, маленькие делают. Mini с Nano заточены именно под это.

## Что ещё почитать

- [GPT-5.4: computer use, tool search и 1M контекст](https://matveev.tech/gpt-5-4-obzor/) — обзор основной модели GPT-5.4
- [Мультиагенты в OpenAI Codex](https://matveev.tech/codex-multi-agent-setup/) — как настроить субагентную архитектуру
- [Топ-6 AI-агентов для кода в 2026](https://matveev.tech/luchshie-ai-agenty-dlya-koda-2026/) — подборка инструментов для кодинга с AI