Jul, 134 min de leitura
Plataforma
News · Os modelos GPT-5.4 mini e nano da OpenAI reforçam uma estratégia de composição de modelos em dois níveis
Jul, 94 min de leitura
PlataformaOs modelos GPT-5.4 mini e nano da OpenAI reforçam uma estratégia de composição de modelos em dois níveis
Os novos modelos pequenos têm preços e posicionamento pensados para arquiteturas de subagentes, em que um planeador de grande dimensão delega tarefas específicas a modelos mais baratos e rápidos, executados em paralelo.
O que a OpenAI lançou, na prática
A OpenAI lançou dois modelos pequenos, o GPT-5.4 mini e o GPT-5.4 nano, apresentados como os seus modelos pequenos mais capazes até à data. A proposta é concreta e bem delimitada: cargas de trabalho em que a latência define a experiência do produto — assistentes de programação, subagentes, sistemas que usam o computador lendo capturas de ecrã e raciocínio multimodal em tempo real.
O modelo mini funciona a mais do dobro da velocidade do GPT-5 mini e, segundo os próprios testes de referência da OpenAI, reduz substancialmente a distância face ao GPT-5.4 completo. No SWE-Bench Pro (Público), obtém 54,4% contra os 57,7% do GPT-5.4, e no OSWorld-Verified atinge 72,1% contra 75,0%. O nano é posicionado num nível inferior — recomendado para classificação, extração de dados, ordenação e subagentes de programação encarregados de tarefas de suporte mais simples.
O preço reflete esse posicionamento. Na API, o mini custa 0,75 USD por 1M de tokens de entrada e 4,50 USD por 1M de tokens de saída, com uma janela de contexto de 400 mil tokens; o nano desce para 0,20 USD e 1,25 USD. No Codex, o mini consome apenas 30% da quota do GPT-5.4 — cerca de um terço do custo para tarefas de programação mais simples.
O padrão de subagentes é o verdadeiro produto
A OpenAI é excecionalmente explícita quanto à arquitetura que pretende que os desenvolvedores adotem. No Codex, um modelo maior como o GPT-5.4 encarrega-se do planeamento, da coordenação e do julgamento final, delegando depois em subagentes GPT-5.4 mini, que executam subtarefas mais específicas em paralelo — pesquisar numa base de código, revisar um ficheiro extenso, processar documentos de apoio.
A empresa expõe o argumento de forma direta: em vez de usar um único modelo para tudo, os desenvolvedores podem compor sistemas em que os modelos maiores decidem o que fazer e os modelos menores executam rapidamente e em escala. A quota de 30% no Codex e a possibilidade de delegar trabalho menos exigente em termos de raciocínio ao modelo mais barato são os mecanismos que tornam esta abordagem economicamente viável, e não apenas uma aspiração.
Isto transforma a seleção de modelos de uma escolha única num problema de encaminhamento. O trabalho de engenharia interessante passa a ser decidir que tarefas são suficientemente “específicas” para o mini, e como um modelo planeador coordena a produção paralela dos subagentes — decisões que passam agora a ter um diferencial de custo direto e mensurável.
Onde os modelos pequenos ainda ficam a dever
As tabelas de testes de referência revelam uma limitação acentuada: o contexto longo. No OpenAI MRCR v2 de 8 agulhas, no intervalo de 128K–256K, o GPT-5.4 mini obtém 33,6% contra os 79,3% do GPT-5.4, e o nano fica-se pelos 33,1%. Mesmo na faixa de 64K–128K, o mini atinge apenas 47,7%, face aos 86,0% do modelo completo.
Essa diferença é relevante no contexto dos subagentes. Um subagente encarregado de “revisar um ficheiro extenso” ou “processar documentos de apoio” está precisamente a realizar o tipo de trabalho de recuperação sobre entradas longas em que estes modelos apresentam maior degradação. O padrão de composição funciona bem para subtarefas curtas e bem delimitadas, mas torna-se mais arriscado a partir do momento em que uma tarefa delegada exige raciocínio sobre uma janela de contexto extensa.
Um dado de um cliente aponta na direção contrária. O CTO da Hebbia relata que o GPT-5.4 mini alcançou taxas de sucesso ponta a ponta mais elevadas e uma atribuição de fontes mais robusta do que o modelo maior, GPT-5.4, nas suas avaliações. Essa inversão — um modelo menor a superar um maior numa tarefa específica — sublinha que “maior” e “melhor” não são sinónimos, mas também significa que as equipas não podem dar a hierarquia como garantida; têm de a testar para cada carga de trabalho.
O que isto significa para as equipas que constroem agentes sensíveis à latência
A implicação concreta deste lançamento é que a seleção de modelos passa a ser uma decisão económica por subtarefa, e não por aplicação. Com o mini a consumir 30% da quota do GPT-5.4, e o nano ainda mais barato, o custo de executar uma tarefa no nível errado torna-se quantificável, e o incentivo para encaminhar de forma agressiva é forte.
O trabalho prático desloca-se para arneses de avaliação que medem cada subtarefa face a cada nível — porque os testes de referência mostram que os níveis divergem de forma desigual. As tarefas de chamada de ferramentas e de utilização do computador mantêm um bom desempenho no mini (τ2-bench telecom com 93,4%, OSWorld-Verified com 72,1%), enquanto a recuperação em contexto longo se degrada de forma acentuada. Uma equipa que encaminhe por tipo de tarefa, em vez de partir de um pressuposto genérico de capacidade, captará a maior parte da poupança sem herdar os modos de falha.
A OpenAI transformou, na prática, num produto a intuição de que o melhor modelo nem sempre é o maior. As equipas que beneficiarão serão aquelas que instrumentam os seus pipelines o suficiente para saber, tarefa a tarefa, exatamente onde essa intuição se verifica.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que saiba executar?
Ajudamos equipas em Portugal a integrar IA em produtos, automatizar processos de alto valor e modernizar os sistemas que suportam o negocio.
Leitura relacionada
Mais análises sobre entrega de produto, AI operacional e o trabalho de sistemas que faz com que a implementação funcione na prática.