Jul, 134 min de leitura
Plataforma
News · GPT-5.4 mini e nano, da OpenAI, reforçam uma estratégia de composição de modelos em duas camadas
Jul, 94 min de leitura
PlataformaGPT-5.4 mini e nano, da OpenAI, reforçam uma estratégia de composição de modelos em duas camadas
Os novos modelos pequenos têm preço e posicionamento voltados para arquiteturas de subagentes, nas quais um planejador maior delega tarefas específicas a modelos mais baratos e rápidos, executados em paralelo.
O que a OpenAI realmente lançou
A OpenAI lançou dois modelos pequenos, o GPT-5.4 mini e o GPT-5.4 nano, apresentados como seus modelos compactos mais capazes até hoje. A proposta é específica e concreta: cargas de trabalho em que a latência define a experiência do produto — assistentes de código, subagentes, sistemas que operam computadores lendo capturas de tela e raciocínio multimodal em tempo real.
O modelo mini roda mais de 2x mais rápido que o GPT-5 mini e, segundo os próprios benchmarks da OpenAI, reduz boa parte da diferença em relação ao GPT-5.4 completo. No SWE-Bench Pro (Public), ele marca 54,4% contra 57,7% do GPT-5.4, e no OSWorld-Verified atinge 72,1% contra 75,0%. O nano fica posicionado mais abaixo — recomendado para classificação, extração de dados, ranqueamento e subagentes de código que lidam com tarefas de apoio mais simples.
O preço reforça esse posicionamento. Na API, o mini custa US$ 0,75 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída, com janela de contexto de 400 mil tokens; o nano cai para US$ 0,20 e US$ 1,25. No Codex, o mini consome apenas 30% da cota do GPT-5.4 — cerca de um terço do custo para tarefas de código mais simples.
O padrão de subagentes é o verdadeiro produto
A OpenAI é incomumente explícita sobre a arquitetura que quer que os desenvolvedores adotem. No Codex, um modelo maior como o GPT-5.4 cuida do planejamento, da coordenação e do julgamento final, e depois delega a subagentes GPT-5.4 mini a execução, em paralelo, de subtarefas mais específicas — pesquisar em uma base de código, revisar um arquivo grande, processar documentos de apoio.
A empresa é direta nesse ponto: em vez de usar um único modelo para tudo, os desenvolvedores podem montar sistemas em que modelos maiores decidem o que fazer e modelos menores executam rapidamente em escala. A cota de 30% no Codex e a possibilidade de delegar tarefas menos exigentes em raciocínio ao modelo mais barato são o que torna isso economicamente viável, e não apenas uma ideia bonita no papel.
Isso transforma a escolha de modelo, que era uma decisão única, em um problema de roteamento. O trabalho de engenharia interessante passa a ser decidir quais tarefas são 'específicas o bastante' para o mini, e como um modelo planejador coordena a saída paralela dos subagentes — decisões que agora têm um impacto direto e mensurável no custo.
Onde os modelos pequenos ainda deixam a desejar
As tabelas de benchmark revelam uma limitação clara: contexto longo. No OpenAI MRCR v2 8-needle, na faixa de 128K–256K, o GPT-5.4 mini marca 33,6% contra 79,3% do GPT-5.4, e o nano marca 33,1%. Mesmo na faixa de 64K–128K, o mini chega a apenas 47,7%, contra 86,0% do modelo completo.
Essa diferença pesa bastante no cenário de subagentes. Um subagente encarregado de 'revisar um arquivo grande' ou 'processar documentos de apoio' está fazendo exatamente o tipo de tarefa de busca em entradas longas em que esses modelos perdem mais desempenho. O padrão de composição funciona bem para subtarefas curtas e específicas; fica mais arriscado no momento em que uma tarefa delegada exige raciocínio sobre uma janela de contexto grande.
Um dado de um cliente mostra o outro lado da moeda. O CTO da Hebbia relata que o GPT-5.4 mini obteve taxas de sucesso ponta a ponta mais altas e atribuição de fontes mais forte do que o próprio GPT-5.4, o modelo maior, em suas avaliações. Essa inversão — um modelo menor superando um maior em uma tarefa específica — reforça que 'maior' e 'melhor' não são sinônimos, mas também mostra que as equipes não podem simplesmente assumir essa hierarquia; é preciso testar para cada carga de trabalho.
O que isso significa para equipes que constroem agentes sensíveis à latência
A implicação concreta desse lançamento é que a escolha de modelo agora é uma decisão econômica por subtarefa, e não mais por aplicação inteira. Com o mini consumindo 30% da cota do GPT-5.4 e o nano custando ainda menos, o custo de rodar uma tarefa na camada errada passa a ser quantificável, e o incentivo para rotear de forma agressiva é grande.
O trabalho prático se transfere para painéis de avaliação que medem cada subtarefa em cada camada de modelo — porque os benchmarks mostram que as camadas se distanciam de forma desigual. Tarefas de uso de ferramentas e de operação de computador se mantêm bem no mini (τ2-bench telecom com 93,4%, OSWorld-Verified com 72,1%), enquanto a busca em contextos longos despenca. Uma equipe que roteia por tipo de tarefa, em vez de assumir uma capacidade genérica, capta a maior parte da economia sem herdar os modos de falha.
Na prática, a OpenAI transformou em produto a intuição de que o melhor modelo muitas vezes não é o maior. As equipes que vão se beneficiar são as que instrumentam seus pipelines o suficiente para saber, tarefa por tarefa, exatamente onde essa intuição se confirma.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que consiga construir de verdade?
Ajudamos empresas no Brasil a integrar IA, acelerar produtos com IA, automatizar operações e modernizar os sistemas de software por trás do negócio.
Leituras relacionadas
Mais análises sobre entrega de produto, IA operacional e o trabalho de sistemas que faz a implantação se sustentar na prática.