Jul, 134 Min. Lesezeit
Plattform
News · OpenAIs GPT-5.4 mini und nano treiben eine zweistufige Modellkompositionsstrategie voran
Jul, 94 Min. Lesezeit
PlattformOpenAIs GPT-5.4 mini und nano treiben eine zweistufige Modellkompositionsstrategie voran
Die neuen kleinen Modelle sind preislich und funktional auf Subagent-Architekturen ausgelegt, bei denen ein großes Planungsmodell eng umgrenzte Aufgaben an günstigere, schnellere Modelle delegiert, die parallel laufen.
Was OpenAI tatsächlich veröffentlicht hat
OpenAI hat zwei kleine Modelle veröffentlicht, GPT-5.4 mini und GPT-5.4 nano, die als die bislang leistungsfähigsten kleinen Modelle des Unternehmens beworben werden. Der Fokus ist eng und konkret: Workloads, bei denen Latenz die Produkterfahrung prägt — Coding-Assistenten, Subagenten, Computer-nutzende Systeme, die Screenshots auslesen, und multimodales Reasoning in Echtzeit.
Das Mini-Modell läuft mehr als doppelt so schnell wie GPT-5 mini und schließt laut OpenAIs eigenen Benchmarks einen Großteil der Lücke zum vollwertigen GPT-5.4. Im SWE-Bench Pro (Public) erreicht es 54,4 % gegenüber 57,7 % bei GPT-5.4, und im OSWorld-Verified liegt es bei 72,1 % gegenüber 75,0 %. Nano ist niedriger positioniert — empfohlen für Klassifikation, Datenextraktion, Ranking und Coding-Subagenten, die einfachere unterstützende Aufgaben übernehmen.
Die Preisgestaltung untermauert diese Positionierung. In der API kostet mini 0,75 $ pro 1 Mio. Input-Token und 4,50 $ pro 1 Mio. Output-Token bei einem Context-Window von 400k; nano sinkt auf 0,20 $ und 1,25 $. In Codex verbraucht mini nur 30 % des GPT-5.4-Kontingents — bei einfacheren Coding-Aufgaben etwa ein Drittel der Kosten.
Das eigentliche Produkt ist das Subagent-Muster
OpenAI äußert sich ungewöhnlich klar dazu, welche Architektur Entwickler übernehmen sollen. In Codex übernimmt ein größeres Modell wie GPT-5.4 Planung, Koordination und die abschließende Bewertung und delegiert dann an GPT-5.4-mini-Subagenten, die eng umgrenzte Teilaufgaben parallel ausführen — etwa eine Codebasis durchsuchen, eine große Datei überprüfen oder unterstützende Dokumente verarbeiten.
Das Unternehmen bringt es direkt auf den Punkt: Statt ein einziges Modell für alles zu verwenden, können Entwickler Systeme zusammensetzen, in denen größere Modelle entscheiden, was zu tun ist, während kleinere Modelle die Ausführung schnell und in großem Maßstab übernehmen. Das 30-%-Kontingent in Codex und die Möglichkeit, weniger reasoning-intensive Arbeit an das günstigere Modell zu delegieren, sind die Mechanismen, die das wirtschaftlich machen und nicht nur eine Absichtserklärung.
Das verwandelt die Modellauswahl von einer einzelnen Entscheidung in ein Routing-Problem. Die interessante Ingenieursarbeit verschiebt sich darauf, zu bestimmen, welche Aufgaben 'eng genug' für mini sind, und wie ein Planungsmodell die parallelen Subagent-Ergebnisse koordiniert — Entscheidungen, die nun einen direkten, messbaren Kostenunterschied nach sich ziehen.
Wo die kleinen Modelle noch zurückbleiben
Die Benchmark-Tabellen zeigen eine deutliche Schwäche: langer Kontext. Im OpenAI MRCR v2 8-needle im Bereich 128K–256K erreicht GPT-5.4 mini 33,6 % gegenüber 79,3 % bei GPT-5.4, und nano kommt auf 33,1 %. Selbst im Bereich 64K–128K erreicht mini nur 47,7 % gegenüber 86,0 % beim vollwertigen Modell.
Diese Lücke ist für das Subagent-Konzept relevant. Ein Subagent, der beauftragt wird, 'eine große Datei zu überprüfen' oder 'unterstützende Dokumente zu verarbeiten', leistet genau die Art von Retrieval-über-langen-Input-Arbeit, bei der diese Modelle am stärksten nachlassen. Das Kompositionsmuster funktioniert saubereren für kurze, gezielte Teilaufgaben; riskanter wird es, sobald eine delegierte Aufgabe Reasoning über ein großes Context-Window erfordert.
Ein Kundendatenpunkt spricht dagegen. Der CTO von Hebbia berichtet, dass GPT-5.4 mini in ihren Auswertungen höhere End-to-End-Erfolgsraten und eine stärkere Quellenzuordnung erzielte als das größere GPT-5.4-Modell. Diese Umkehrung — ein kleineres Modell übertrifft ein größeres bei einer bestimmten Aufgabe — unterstreicht, dass 'größer' nicht gleich 'besser' ist, bedeutet aber auch, dass Teams die Rangfolge nicht einfach annehmen können; sie müssen pro Workload testen.
Was das für Teams bedeutet, die latenzsensible Agenten entwickeln
Die konkrete Konsequenz dieses Releases ist, dass die Modellauswahl nun eine wirtschaftliche Entscheidung pro Teilaufgabe ist, nicht pro Anwendung. Da mini bei 30 % des GPT-5.4-Kontingents liegt und nano noch günstiger ist, lässt sich der Kostennachteil einer falschen Modellstufe klar quantifizieren, und der Anreiz, aggressiv zu routen, ist groß.
Die praktische Arbeit verschiebt sich zu Evaluierungs-Frameworks, die jede Teilaufgabe gegen jede Modellstufe messen — denn die Benchmarks zeigen, dass sich die Stufen ungleichmäßig unterscheiden. Tool-Calling- und Computer-Use-Aufgaben halten sich bei mini gut (τ2-bench telecom bei 93,4 %, OSWorld-Verified bei 72,1 %), während das Retrieval über langen Kontext einbricht. Ein Team, das nach Aufgabentyp routet statt pauschal von einer Fähigkeitsannahme auszugehen, wird den Großteil der Einsparungen erzielen, ohne die Fehlermodi zu erben.
OpenAI hat die Intuition, dass das beste Modell oft nicht das größte ist, faktisch zu einem Produkt gemacht. Profitieren werden die Teams, die ihre Pipelines so gründlich instrumentieren, dass sie pro Aufgabe genau wissen, wo diese Intuition zutrifft.
Find this story relevant to you?
Contact us to find a unique solution
Brauchen Sie einen KI-Engineering-Partner, der auch liefern kann?
Wir helfen Unternehmen dabei, KI in Produkte und Prozesse zu integrieren, wertvolle Workflows zu automatisieren und die zugrunde liegenden Softwaresysteme zu modernisieren.
Weiterführende Beiträge
Weitere Analysen rund um Produktbereitstellung, operative KI und die Systemarbeit, die dafür sorgt, dass der Einsatz in der Praxis Bestand hat.