OpenAIは、標準のGPT-5.4のリリースからわずか数週間後、フラグシップモデルのラインナップにGPT-5.4 miniとGPT-5.4 nanoを追加した。これらのコンパクトなモデルは、高い推論能力を維持しながら、効率性と手頃な価格を最優先に設計されている。特筆すべきはnanoモデルの価格設定であり、100万トークンあたりの入力コストはわずか0.20ドルである。これはグーグルのGemini 3.1 Flash-Liteなどの競合製品を大幅に下回るものであり、AI利用コストの新たな基準を提示している。

低コスト化による実用的なメリットを検証するため、テックブロガーでDatasetteの開発者でもあるサイモン・ウィリソン(Simon Willison)がnanoモデルのビジョン機能をテストした。その結果、1枚の高解像度写真に対して詳細な説明文を生成するコストは、0.1セント（約0.15円）未満であることが判明した。この価格水準であれば、7万6,000枚におよぶ個人の画像コレクションすべてにタグを付け、検索可能にするための費用は約52ドルで済む計算だ。これにより、大規模なマルチモーダル処理が個人開発者や中小企業にとっても極めて身近なものとなる。

アップデートには推論精度の向上も含まれており、最大の処理時間をかけた場合、新しいnanoモデルは前世代のGPT-5 miniを上回るパフォーマンスを発揮するという。このリリースは、モデルが回答を生成するプロセスである推論の高速化と、画像分析や構造化データの生成に必要な高度な理解力を両立させるという、業界全体の最適化へのシフトを象徴している。高性能かつ低コストなモデルの登場により、多様なプラットフォームにおける複雑なタスクの自動化がさらに加速すると予想される。

OpenAIは、標準のGPT-5.4のリリースからわずか数週間後、フラグシップモデルのラインナップにGPT-5.4 miniとGPT-5.4 nanoを追加した。これらのコンパクトなモデルは、高い推論能力を維持しながら、効率性と手頃な価格を最優先に設計されている。特筆すべきはnanoモデルの価格設定であり、100万トークンあたりの入力コストはわずか0.20ドルである。これはグーグルのGemini 3.1 Flash-Liteなどの競合製品を大幅に下回るものであり、AI利用コストの新たな基準を提示している。

低コスト化による実用的なメリットを検証するため、テックブロガーでDatasetteの開発者でもあるサイモン・ウィリソン(Simon Willison)がnanoモデルのビジョン機能をテストした。その結果、1枚の高解像度写真に対して詳細な説明文を生成するコストは、0.1セント（約0.15円）未満であることが判明した。この価格水準であれば、7万6,000枚におよぶ個人の画像コレクションすべてにタグを付け、検索可能にするための費用は約52ドルで済む計算だ。これにより、大規模なマルチモーダル処理が個人開発者や中小企業にとっても極めて身近なものとなる。

アップデートには推論精度の向上も含まれており、最大の処理時間をかけた場合、新しいnanoモデルは前世代のGPT-5 miniを上回るパフォーマンスを発揮するという。このリリースは、モデルが回答を生成するプロセスである推論の高速化と、画像分析や構造化データの生成に必要な高度な理解力を両立させるという、業界全体の最適化へのシフトを象徴している。高性能かつ低コストなモデルの登場により、多様なプラットフォームにおける複雑なタスクの自動化がさらに加速すると予想される。