文 | 字母AI

最近OpenClaw可以说是火遍了大江南北。各大厂商都说自己的模型如何支持小龙虾，唯独没人推荐ChatGPT。

事实上OpenAI才收购了OpenClaw。

原因就一个“贵”。

让AI帮你完成一个稍微复杂的任务，比如自动化处理一批客户邮件，背后可能要调用模型几十上百次：理解意图、检索信息、生成草稿、校对润色、逐封发送……如果每一步都调用满血版GPT-5.4，一轮操作下来，饲料费（token）比虾本身还贵。

特别是随着OpenClaw这类agent框架的爆发，AI的工作模式已经发生了根本性转变：从前我们向AI提问，它盯着问题想很久，然后吐出一长串文字；现在AI面对一个复杂任务，要将其拆解成微小步骤分步推进。每一步都调用旗舰大模型，不仅延迟让人崩溃，成本也会高到离谱。

在这种背景下，OpenAI正式发布GPT-5.4 mini与nano两款小型模型，并宣称其为公司“迄今最强大的小型模型”。

麻雀虽小五脏俱全，不要小瞧这两个小玩意，不仅GPT-5.4核心的优势和能力它们继承了下来，同时还更快、更省资源，并且适合于大批量、高频率的AI任务调用。

OpenAI貌似是觉得mini还不够小，所以做出了更轻量的nano。

nano是GPT-5.4最轻量、最快速的版本，专为对速度和成本要求极高的任务而设计。

事实就是，用单一模型处理所有事务性价比太低，经常陷入高射炮打蚊子的境况，不如调整成大模型决定任务方向，小模型进行大规模快速执行的方案。

OpenAI自家的Codex就是这么干的。

一个主模型负责理解任务意图、拆解步骤，然后调度mini/nano级别的子agent去执行具体的代码修改、测试运行、结果校验，每个子任务只消耗极低的成本。

大模型就像坐镇中军、运筹帷幄的主帅，只抓顶层战略、调度全局资源。小模型则是无数支精锐轻骑，身形轻便、行动迅捷、批量奔赴前线，专一完成细分任务。

OpenAI为什么这么做

mini和nano在价格上确实“mini”以及“nano”。要理解OpenAI为什么押注轻量化，先看看这两款模型到底便宜到什么程度。

mini和nano均支持 400k tokens 的上下文窗口。在输入价格上，GPT-5.4旗舰版是2.5 美元/百万token，mini版是0.75美元/百万 token，nano版更是夸张，仅0.2美元/百万token，输入成本仅为旗舰模型GPT-5.4的8%。

而输出价格上，GPT-5.4是15美元/百万 token，mini版约为它的1/3（4.5 美元），nano版约为它的1/12（1.25 美元）。

换句话说，OpenAI用户们的账单直接砍到了零头。

价格只是表象，真正驱动OpenAI做这件事的，是整个行业的使用趋势已经发生了根本性转向。

轻量化小模型主要有调用成本低、响应快这两大特征，不少证据表明小模型已经成为当前AI落地最具性价比、最具增长潜力的选择。

在OpenRouter本月度最受欢迎LLM排行榜前十中，轻量化模型占到了6个席位，它们参数量普遍集中在数十亿至数百亿级别，和Claude Opus这类动辄数千亿甚至万亿参数的通用旗舰大模型形成鲜明的差异。

榜单Top 2席位被轻量化小模型包揽，第1名MiniMax M2.5以8.29T tokens的调用量断层领跑全榜，月度涨幅高达 476%；第2名Google Gemini 3 Flash Preview，调用量也达到4.24T tokens，远超多数通用旗舰大模型。

Hugging Face Hub的模型下载量统计同样印证了这一趋势：92.48%的下载量来自少于10亿参数的模型，86.33% 为5亿以下，69.83% 为2亿以下。

大模型也进入了薄利多销的时代。

1B+参数量的模型，即便包含多款舆论热度极高的开源大模型，整体下载占比仅为7.52%，不足轻量化模型的十分之一，这说明大模型的高关注度，似乎并未转化为真实的落地与采用。

从OpenAI自身的商业账本来看，做小模型更是一道必答题。

今年2月底，OpenAI宣布ChatGPT全球每周活跃用户已突破9亿，付费用户约5000 万，付费转化率仅约5%左右，绝大多数用户仍停留在免费版本。这也成为其未来商业化最核心的增长空间。

绝大多数的C端付费用户，核心使用场景是日常对话、文案润色、信息检索、轻量代码编写等高频轻量需求。

这类场景完全不需要GPT-5.4这类旗舰大模型的极限复杂推理能力，百亿级以内的轻量化小模型足以覆盖大部分需求，同时又能提供毫秒级响应、无排队等待的使用体验，完美匹配绝大多数用户的核心诉求。

说了这么多“为什么”，接下来看看这两款模型到底交出了怎样的答卷——毕竟，饲料便宜了，虾的个头要是也缩水了，那就不叫降本增效，叫偷工减料。

mini、nano能力几何

mini和nano的优势就只是小和便宜吗？

No No No

根据OpenAI官网的一系列跑分测试，可以说它们能力表现也很突出。

在业内公认最权威的AI程序员测试SWE-bench Pro 中，GPT-5.4 mini的准确率达到了54.4%，表现极具杀伤力，逼近满血版GPT-5.4的57.7%。

GPT-5.4 nano的准确率为52.4%，再考虑到它极低的成本，非常适合作为快速迭代的代码审查和辅助子agent。

以下两张图表看得更直观，横轴分别代表模型的响应时长和所用成本，纵轴均表示模型在任务中的准确率。

GPT-5.4虽然准确率稳居第一，但是在横轴上却延伸了太远，也就是不仅思考久，烧的钱还多。而nano和mini的折线则整体居于坐标图左侧，标志了它们极高的性价比。

它们只是牺牲了一点点终极的逻辑上限，就换来了极快的响应速度和极低的成本。

对此，不少网友戏称：小龙虾的饲料费终于被打下来了。

的确，mini和nano未来可能会成为养虾的主流API选择。

在OSWorld-Verified（真实电脑环境操作测试）中，GPT-5.4 mini达到了72.1%的准确率，几乎追平了满血旗舰版的75%。

这项测试主要是让AI像人一样，通过看显示器、动鼠标、敲键盘来使用一台真的电脑，包括使用Chrome、Office、VS Code等软件。

这才是OpenClaw等agent玩家最看重的指标。

过去让AI操控电脑，AI经常会瞎点或者反应迟钝。mini版本的这个高分意味着，它识别按钮、滑块、输入框的精度极高，在一些自动化任务上可以更加得心应手。

然而，也不是所有场景都适合用小模型。

nano模型在OSWorld-Verified上的得分仅为39.0%，甚至低于上一代GPT-5 mini的42.0%。

这意味着在需要精细操控电脑界面的复杂任务上，nano还力有不逮。

同样，对于需要深度推理、长链条逻辑的高难度任务，旗舰版GPT-5.4仍然不可替代。

小模型的价值不在于取代大模型，而在于和大模型搭配使用——把对的模型放在对的位置，才是子agent架构真正的精髓。

这也恰恰是nano和mini发布的深层意义，它们不是来抢旗舰版饭碗的，而是来帮旗舰版分担那些“高射炮打蚊子”的活儿。

当大模型不再需要亲自处理每一个琐碎步骤，整个系统的效率和成本结构都会发生质变。

OpenAI想打的不是一场简单的价格战，OpenAI内心OS是这样的：“我可以每个token少赚你点钱，但是我要让你多用我的小模型，把总收入抬上去。”

典型的薄利多销。

过去“便宜”是国产模型的护城河，可是这道护城河正在被填平。对普通开发者和企业用户而言，AI可能很快就会变成各行各业用得起、跑得快的新基础设施。

小龙虾的饲料费打下来了，养虾的门槛也在悄悄降低。接下来的问题是：谁能养出最肥的虾？