OpenAI meluncurkan ChatGPT 5.4 Mini dan ChatGPT 5.4 Nano sebagai opsi model AI yang lebih ringan dan lebih hemat biaya. Kedua model ini ditujukan untuk pengembang dan perusahaan yang tidak selalu membutuhkan kemampuan penuh dari GPT 5.4 untuk setiap alur kerja.
Informasi dari Universe of AI menunjukkan Mini dan Nano diposisikan untuk tugas yang lebih spesifik. Mini diarahkan ke pekerjaan seperti coding workflow, penalaran, dan pemahaman multimodal, sedangkan Nano difokuskan pada tugas berulang dengan volume tinggi seperti klasifikasi, ekstraksi data, dan ranking.
Fokus OpenAI pada model yang lebih efisien
Peluncuran ini menegaskan strategi OpenAI untuk memperluas akses ke AI canggih lewat model bertingkat. Pendekatan ini memungkinkan organisasi memilih model sesuai beban kerja, bukan memakai model paling besar untuk semua kebutuhan.
Dalam praktiknya, model kecil seperti Mini dan Nano cocok untuk chatbot layanan pelanggan, asisten coding, dan sub-agent dalam sistem AI yang lebih besar. Keduanya juga mendukung agentic tool calling, yaitu kemampuan memanggil alat atau fungsi secara otomatis untuk menyelesaikan tugas tertentu.
ChatGPT 5.4 Mini untuk keseimbangan performa dan biaya
ChatGPT 5.4 Mini dirancang untuk tugas yang memerlukan kemampuan menengah hingga tinggi, tetapi tetap menekan konsumsi sumber daya. Berdasarkan data referensi, Mini hanya memakai sekitar 30 persen resource quota milik GPT 5.4 dalam beberapa skenario coding workflow.
Di sisi benchmark, Mini mencatat skor 54.4 persen pada Software Engineering Bench Pro. Model ini juga meraih 72.1 persen pada OS World Verified untuk navigasi desktop, yang menunjukkan fleksibilitasnya dalam penggunaan yang lebih praktis.
Harga Mini juga jauh di bawah model flagship. OpenAI mematok biaya $0.75 per million input tokens dan $4.50 per million output tokens, sementara GPT 5.4 berada di $2.50 per million input tokens dan $15 per million output tokens.
Dengan kombinasi ini, Mini tampak ditujukan untuk perusahaan yang ingin menjaga kualitas output tanpa membayar biaya setinggi model utama. Model ini juga tersedia di ChatGPT, Codex, dan API OpenAI, sehingga pilihan integrasinya lebih luas.
ChatGPT 5.4 Nano untuk tugas ringan berskala besar
ChatGPT 5.4 Nano menjadi model paling ringkas dalam lini ini. Fokus utamanya bukan penalaran kompleks, melainkan tugas sederhana yang harus dijalankan dalam jumlah besar dan berulang.
Contoh penggunaan Nano mencakup klasifikasi dokumen, ekstraksi data, dan proses ranking dalam pipeline otomatis. Untuk kebutuhan seperti ini, kecepatan dan biaya sering lebih penting daripada kemampuan reasoning tingkat lanjut.
Pada benchmark, Nano mencatat 52.39 persen di Software Engineering Bench Pro dan 39 persen di OS World Verified. Angka ini memang lebih rendah daripada Mini, tetapi masih relevan untuk skenario penggunaan yang tidak menuntut kompleksitas tinggi.
Keunggulan terbesar Nano ada pada harga. OpenAI mematok tarif $0.20 per million input tokens dan $1.25 per million output tokens, menjadikannya opsi yang sangat menarik bagi bisnis yang sensitif terhadap anggaran.
Saat ini Nano ditawarkan melalui API. Model itu memberi ruang bagi pengembang untuk membangun sistem otomasi skala besar tanpa mendorong biaya operasional melonjak.
Perbandingan harga model
Berikut ringkasan harga yang disebut dalam referensi:
- GPT 5.4: $2.50 per million input tokens, $15 per million output tokens.
- ChatGPT 5.4 Mini: $0.75 per million input tokens, $4.50 per million output tokens.
- ChatGPT 5.4 Nano: $0.20 per million input tokens, $1.25 per million output tokens.
Dari data ini, selisih biaya antara model flagship dan model kecil terlihat sangat lebar. Ini penting untuk perusahaan yang menjalankan banyak permintaan harian dan harus menghitung efisiensi token secara ketat.
Apa arti peluncuran ini bagi bisnis dan pengembang
Model bertingkat seperti Mini dan Nano dapat mengubah cara perusahaan menyusun arsitektur AI. Tugas kompleks bisa tetap diberikan ke GPT 5.4, sedangkan tugas rutin dan berskala besar dapat dialihkan ke Mini atau Nano agar biaya lebih terkendali.
Pendekatan ini juga sejalan dengan tren industri AI yang kini bergerak ke solusi yang lebih praktis dan terukur. Bagi pengembang, pilihan model yang lebih spesifik membuat desain sistem menjadi lebih fleksibel, terutama untuk otomasi customer service, bantuan coding, dan orkestrasi sub-agent dalam platform AI yang lebih luas.
Mini menonjol sebagai opsi serbaguna dengan performa yang masih kuat untuk banyak pekerjaan teknis. Nano, di sisi lain, lebih tepat untuk operasi masif yang membutuhkan output cepat, sederhana, dan murah.
Dengan dukungan agentic tool calling pada kedua model, OpenAI memperluas fungsi model kecil ke lingkungan otomasi yang sebelumnya lebih mengandalkan model besar. Langkah ini memperlihatkan bahwa efisiensi biaya kini menjadi bagian penting dari persaingan AI, bukan sekadar kemampuan model tertinggi.
