Jul, 134 λεπτά ανάγνωση
Platform
News · Το GPT-5.4 mini και nano της OpenAI προωθούν μια στρατηγική σύνθεσης μοντέλων δύο επιπέδων
Jul, 9Ανάγνωση 4 λεπτών
PlatformΤο GPT-5.4 mini και nano της OpenAI προωθούν μια στρατηγική σύνθεσης μοντέλων δύο επιπέδων
Τα νέα μικρά μοντέλα έχουν τιμολόγηση και τοποθέτηση σχεδιασμένη για αρχιτεκτονικές subagent, όπου ένα μεγάλο μοντέλο-σχεδιαστής αναθέτει συγκεκριμένες εργασίες σε φθηνότερα, ταχύτερα μοντέλα που εκτελούνται παράλληλα.
Τι κυκλοφόρησε στην πραγματικότητα η OpenAI
Η OpenAI κυκλοφόρησε δύο μικρά μοντέλα, τα GPT-5.4 mini και GPT-5.4 nano, τα οποία παρουσιάζει ως τα πιο ικανά μικρά μοντέλα που έχει δημιουργήσει μέχρι σήμερα. Η πρόταση αξίας είναι στοχευμένη και συγκεκριμένη: φόρτους εργασίας όπου η ταχύτητα απόκρισης καθορίζει την εμπειρία του προϊόντος — βοηθούς προγραμματισμού, subagents, συστήματα που χειρίζονται υπολογιστές διαβάζοντας screenshots, και πολυτροπική συλλογιστική σε πραγματικό χρόνο.
Το μοντέλο mini τρέχει πάνω από 2 φορές ταχύτερα από το GPT-5 mini και, σύμφωνα με τα δικά της benchmarks της OpenAI, κλείνει σε μεγάλο βαθμό τη διαφορά με το πλήρες GPT-5.4. Στο SWE-Bench Pro (Public) σημειώνει 54,4% έναντι 57,7% του GPT-5.4, και στο OSWorld-Verified φτάνει το 72,1% έναντι 75,0%. Το nano τοποθετείται χαμηλότερα — προτείνεται για ταξινόμηση, εξαγωγή δεδομένων, κατάταξη, και subagents προγραμματισμού που χειρίζονται απλούστερες, υποστηρικτικές εργασίες.
Η τιμολόγηση επιβεβαιώνει την τοποθέτηση. Στο API, το mini κοστίζει 0,75 $ ανά 1 εκατομμύριο input tokens και 4,50 $ ανά 1 εκατομμύριο output tokens, με παράθυρο context 400k· το nano πέφτει στα 0,20 $ και 1,25 $. Στο Codex, το mini καταναλώνει μόνο το 30% της ποσόστωσης του GPT-5.4 — περίπου το ένα τρίτο του κόστους για απλούστερες εργασίες προγραμματισμού.
Το μοτίβο subagent είναι το πραγματικό προϊόν
Η OpenAI είναι ασυνήθιστα σαφής ως προς την αρχιτεκτονική που θέλει να υιοθετήσουν οι developers. Στο Codex, ένα μεγαλύτερο μοντέλο όπως το GPT-5.4 αναλαμβάνει τον σχεδιασμό, τον συντονισμό και την τελική κρίση, και στη συνέχεια αναθέτει σε subagents GPT-5.4 mini που εκτελούν στοχευμένες υποεργασίες παράλληλα — αναζήτηση σε codebase, αναθεώρηση ενός μεγάλου αρχείου, επεξεργασία υποστηρικτικών εγγράφων.
Η εταιρεία το θέτει ξεκάθαρα: αντί να χρησιμοποιείται ένα μοντέλο για όλες τις εργασίες, οι developers μπορούν να συνθέτουν συστήματα όπου τα μεγαλύτερα μοντέλα αποφασίζουν τι πρέπει να γίνει και τα μικρότερα το εκτελούν γρήγορα και σε μεγάλη κλίμακα. Η ποσόστωση 30% στο Codex και η δυνατότητα ανάθεσης λιγότερο απαιτητικών σε συλλογιστική εργασιών στο φθηνότερο μοντέλο είναι οι μηχανισμοί που κάνουν αυτή την προσέγγιση οικονομικά βιώσιμη και όχι απλώς φιλόδοξη.
Αυτό μετατρέπει την επιλογή μοντέλου από μία μεμονωμένη απόφαση σε πρόβλημα δρομολόγησης. Το ενδιαφέρον μηχανικό έργο μετατοπίζεται στο να αποφασίζεται ποιες εργασίες είναι «αρκετά στοχευμένες» για το mini, και πώς ένα μοντέλο-σχεδιαστής συντονίζει την παράλληλη έξοδο των subagents — αποφάσεις που πλέον συνεπάγονται μια άμεση, μετρήσιμη διαφορά κόστους.
Πού τα μικρά μοντέλα εξακολουθούν να υπολείπονται
Οι πίνακες benchmark αποκαλύπτουν έναν σαφή περιορισμό: το μεγάλο context. Στο OpenAI MRCR v2 8-needle στην κλίμακα 128K–256K, το GPT-5.4 mini σημειώνει 33,6% έναντι 79,3% του GPT-5.4, και το nano σημειώνει 33,1%. Ακόμη και στην κλίμακα 64K–128K, το mini φτάνει μόλις το 47,7% έναντι 86,0% για το πλήρες μοντέλο.
Αυτή η διαφορά έχει σημασία για το πλαίσιο των subagents. Ένα subagent που καλείται να «αναθεωρήσει ένα μεγάλο αρχείο» ή να «επεξεργαστεί υποστηρικτικά έγγραφα» κάνει ακριβώς το είδος εργασίας ανάκτησης πληροφορίας από μεγάλο context όπου αυτά τα μοντέλα υποβαθμίζονται περισσότερο. Το μοτίβο σύνθεσης λειτουργεί καθαρά για σύντομες, στοχευμένες υποεργασίες· γίνεται πιο επικίνδυνο τη στιγμή που μια ανατεθειμένη εργασία απαιτεί συλλογιστική σε ένα μεγάλο παράθυρο context.
Ένα δεδομένο από πελάτη δείχνει το αντίστροφο. Ο CTO της Hebbia αναφέρει ότι το GPT-5.4 mini πέτυχε υψηλότερα ποσοστά επιτυχίας από άκρη σε άκρη και ισχυρότερη απόδοση πηγών σε σχέση με το μεγαλύτερο μοντέλο GPT-5.4 στις δικές τους αξιολογήσεις. Αυτή η αντιστροφή — ένα μικρότερο μοντέλο να ξεπερνά ένα μεγαλύτερο σε μια συγκεκριμένη εργασία — υπογραμμίζει ότι το «μεγαλύτερο» και το «καλύτερο» δεν είναι το ίδιο πράγμα, αλλά σημαίνει επίσης ότι οι ομάδες δεν μπορούν να υποθέσουν την ιεράρχηση εκ των προτέρων· πρέπει να κάνουν δοκιμές για κάθε φόρτο εργασίας ξεχωριστά.
Τι σημαίνει αυτό για τις ομάδες που δημιουργούν agents ευαίσθητους στην ταχύτητα απόκρισης
Η συγκεκριμένη συνέπεια αυτής της κυκλοφορίας είναι ότι η επιλογή μοντέλου είναι πλέον μια οικονομική απόφαση ανά υποεργασία, και όχι ανά εφαρμογή. Με το mini στο 30% της ποσόστωσης του GPT-5.4 και το nano ακόμη φθηνότερο, το κόστος εκτέλεσης μιας εργασίας στο λάθος επίπεδο μπορεί να ποσοτικοποιηθεί, και το κίνητρο για επιθετική δρομολόγηση είναι ισχυρό.
Το πρακτικό έργο μετατοπίζεται σε πλαίσια αξιολόγησης που μετρούν κάθε υποεργασία σε σχέση με κάθε επίπεδο μοντέλου — επειδή τα benchmarks δείχνουν ότι τα επίπεδα διαφοροποιούνται άνισα. Οι εργασίες κλήσεων εργαλείων και χειρισμού υπολογιστή αποδίδουν καλά στο mini (τ2-bench telecom στο 93,4%, OSWorld-Verified στο 72,1%), ενώ η ανάκτηση από μεγάλο context καταρρέει. Μια ομάδα που δρομολογεί με βάση τον τύπο εργασίας και όχι με βάση μια γενικευμένη υπόθεση ικανότητας θα εξασφαλίσει το μεγαλύτερο μέρος της εξοικονόμησης χωρίς να κληρονομήσει τα σημεία αστοχίας.
Η OpenAI έχει ουσιαστικά μετατρέψει σε προϊόν τη διαίσθηση ότι το καλύτερο μοντέλο δεν είναι συχνά το μεγαλύτερο. Οι ομάδες που θα επωφεληθούν θα είναι εκείνες που θα εξοπλίσουν τα pipelines τους με τα κατάλληλα εργαλεία μέτρησης, ώστε να γνωρίζουν, για κάθε εργασία, ακριβώς πού ισχύει αυτή η διαίσθηση.
Find this story relevant to you?
Contact us to find a unique solution
Χρειάζεστε συνεργάτη AI engineering που μπορεί να παραδώσει;
Βοηθάμε ομάδες στην Ελλάδα να ενσωματώσουν AI, να δημιουργήσουν AI-powered προϊόντα, να αυτοματοποιήσουν κρίσιμες ροές εργασίας και να εκσυγχρονίσουν τα συστήματα που τα στηρίζουν.
Σχετικά άρθρα
Περισσότερη ανάλυση για την παράδοση προϊόντων, τη λειτουργική ΤΝ και τη δουλειά στα συστήματα που κάνει την ανάπτυξη να αντέχει στην πράξη.