OpenAI推小模型加码智能体，和国产模型悄悄打起“价格战”

在智能体时代，业界已经不再追逐参数越来越大的旗舰模型了，而是推出更多更快更省的小模型。

北京时间3月18日，OpenAI宣布推出两款小模型GPT‑5.4 mini与nano，官方称这是内部“迄今为止能力最强的小模型”，其能力接近旗舰模型GPT-5.4，但针对高频工作负载做了优化，旨在以更低延迟和更高性价比，为智能体时代的应用提供新选项。

行业分析认为，这是OpenAI补齐智能体时代产品拼图的关键一步。在AI进入真实业务后，并非每个环节都需要“杀鸡用牛刀”。此次发布的小模型，正是用在执行层，作为子智能体的主力。

然而，若单纯讨论性价比，这片战场早已硝烟弥漫，尤其中国的头部模型占据主导。海外就有开发者表示，GPT-5.4 mini“发布即失败”，因为中国的Kimi-K2.5模型不仅价格更低，表现也更优。但也有观点认为，基准测试的参考价值正在下降，真正的胜负还需在实际任务中检验。

OpenAI的智能体“组合拳”

OpenAI此次发布的两款小模型定位清晰，分工明确。

GPT-5.4 mini主打“速度与性能的平衡”，其运行速度是前代的两倍以上，在多项评估中性能接近旗舰模型，针对编码、计算机使用、多模态理解和子智能体进行了优化。而GPT-5.4 nano则是最小、最便宜的GPT-5.4系列版本，性能略逊于GPT-5.4 mini，适合较轻的任务。

OpenAI公布的评测数据显示，GPT-5.4 mini在编程及多模态任务上的表现突出。在编程基准SWE-bench Pro上，mini得分54.4%，与GPT-5.4的57.7%接近。在计算机操控基准OSWorld-Verified上，mini以72.1%的分数接近GPT-5.4的75%；在通用智能测试GPQA Diamond中，mini得分88.0%，与GPT-5.4的差距在5%左右。

与此同时，GPT-5.4 nano在各项分数上接近GPT-5.4 mini，尤其在编程和通用智能上表现较为出彩，较前代模型整体有所提升。

在具体应用中，OpenAI表示，GPT‑5.4 mini为延迟敏感的应用场景打造，在这类场景中，响应速度直接关系到产品体验：例如需要即时响应的代码助手、能快速完成辅助任务的子智能体、可捕捉并解析截图的计算机使用系统，以及能够实时推理图像的多模态应用。

“在这些设定下，最好的模型通常不是体量最大的那个，而是能够快速响应、可靠调用工具，并能在复杂专业任务中保持出色表现的模型。”OpenAI称，GPT‑5.4 mini在编程工作流中，实现了性能与延迟之间的最优权衡。

定价方面，GPT‑5.4 mini为每百万token输入0.75美元/输出4.5美元。OpenAI指出，这款mini 模型“仅消耗GPT-5.4配额的30%，让开发者能在Codex 中以约三分之一的成本处理简单编程任务”。此外，Codex 还可将任务委托给GPT-5.4 mini子智能体，从而让推理强度较低的工作在低成本模型上运行。

GPT‑5.4 mini支持400K上下文窗口，可以在API、Codex 及 ChatGPT 中调用，但另一个小模型GPT-5.4 nano仅通过API供开发者调用，专为对速度和成本要求极高的任务而设计。OpenAI建议开发者将其用于分类、数据提取、排序，以及作为处理简单辅助任务的子智能体。

GPT-5.4 nano定价为每百万token输入 0.2美元/输出token 1.25美元，价格约为mini的1/4。

行业认为，OpenAI此次动作的意义远大于发布两款小模型。这一战略意味着，在AI进入真实业务之后，模型分层会越来越重要。未来应用企业和开发者看的并不是用了哪个最强模型，而是如何搭建模型系统，将不同成本和能力的任务分配给合适的模型。

甚至有行业人士认为，OpenAI更像是专门为当下爆火的OpenClaw推出新的模型，因为新模型适合高频工具调用、本地环境感知、多步自主执行的任务。

性价比打不过国产模型？

在当前的智能体系统搭建中，不少开发者都会选择用一个较贵、表现较好的旗舰大模型作为“大脑”来做任务的整体规划，应对复杂、难以决策的场景，然后将高频且简单的执行工作分配给小模型，可以大规模地快速完成。

当前行业的共识是，以OpenClaw代表的智能体生态非常消耗Token，往往一个简单的任务就能花掉不少成本。因此，未来真正进入企业流程的，不会只有一个最强的模型，也需要几个性价比模型。

在官方博客中，OpenAI也表达了类似的观点，未来开发者无需再用单一模型处理所有事务，而是构建一种组合系统：由大模型决定任务方向，小模型则进行大规模快速执行。

“GPT‑5.4 mini非常适合那些结合了不同规格模型的系统。例如在Codex 中，GPT‑5.4 这种体量较大的模型负责处理规划、协作和最终判定，同时将具体的子任务并行分配给GPT‑5.4 mini子智能体，可以做的工作包括搜索代码库、审阅大文件或处理辅助文档。”OpenAI称。

据第一财经记者了解，在智能体系统中，不少开发者目前首选的“大脑”模型是海外的Claude 4.6 Opus、GPT-5.4 Pro、或Gemini 3.1 Pro，但作为子智能体的主力模型，则倾向于国产的模型，价格便宜，且性能够用。

如果比拼性价比，OpenAI的新模型会比中国的模型更好吗？

AI基准测试机构ArtificialAnalysis整理的一份大模型性价比排行榜可以作为参考，横轴是大模型的价格，竖轴是大模型的智能指数得分，象限的右上角绿色区域则是综合了智能与价格的性价比模型。可以看到，包括DeepSeek V3.2、MiniMax-M2.5等都在性价比较优的区间，此外Kimi、智谱的模型也接近这一象限。

具体价格对比来看，GPT‑5.4 mini为每百万token输入0.75美元/输出4.5美元。根据ArtificialAnalysis的数据，性价比较高的DeepSeek V3.2每百万token输入0.28美元/输出0.42美元，输出价格是GPT‑5.4 mini的1/10；MiniMax M2.5则为每百万token输入0.3美元/输出1.2美元，输出是GPT‑5.4 mini的1/4；而Kimi-K2.5的价格为每百万token输入0.6美元/输出3美元，也小于GPT‑5.4 mini的定价。

即便与海外谷歌的快速版模型Gemini 3 Flash（输入0.5美元/输出3美元）相比，GPT‑5.4 mini也并没有优势。因此，若要做廉价平替，OpenAI新模型的竞争力或许不太够。

有开发者提出“GPT-5.4-mini推出就失败了，因为Kimi-K2.5更便宜”的观点，引起了不少讨论，同时也有反驳的声音。有开发者指出，基准排名对于实际工作流程正变得越来越没有参考价值，没有具体实践过还不能下定论。

“对我来说，模型最重要的是：与我的工具集成效果如何、真的能节省生产时间吗、如果遇到极端情况会发生什么？”上述开发者认为，最好的模型并不是排名最高的，而是凌晨两点需要它的时候它不会坏掉的。

另一名开发者也认为，小模型的价格竞争异常激烈，但基准测试得分并不能反映实际任务中的可靠性。“一款价格便宜95%但可靠性降低5%的机型，实际上可能因为重试和调试时间而付出更高的代价。”

由此来看，开发者更为看重的还是模型在真实业务场景中的能力、稳定性与集成体验。GPT-5.4 mini到底是OpenAI补齐智能体版图的关键拼图，还是这场性价比大战中的失败者，答案还得看开发者。