OpenAI lanza GPT-5.4 mini y nano: calidad casi de modelo estrella a menor precio

El 17 de marzo de 2026, OpenAI presentó GPT-5.4 mini y GPT-5.4 nano, dos versiones compactas de la familia GPT-5.4 para tareas en las que importan la velocidad, el precio y la posibilidad de ejecutar el modelo a gran escala. La principal sorpresa es que, en varias pruebas clave, mini se acerca al GPT-5.4 completo mucho más de lo que suele esperarse de un modelo "ligero".

Casi un modelo insignia

GPT-5.4 mini no se posiciona como un compromiso recortado, sino como un modelo de trabajo para productos reales. Según OpenAI, obtuvo un 54,4 % en SWE-Bench Pro frente al 57,7 % del GPT-5.4 completo, y un 72,1 % en OSWorld-Verified frente al 75,0 %. Hay una diferencia, pero ya no parece un abismo. Además, mini funciona más del doble de rápido que GPT-5 mini, la generación anterior, algo que en escenarios de cara al usuario suele importar más que unos puntos extra en un benchmark.

GPT-5.4 nano, el más pequeño, va todavía más lejos en eficiencia. OpenAI lo describe como la versión más pequeña y barata de GPT-5.4 y lo recomienda para clasificación, extracción de datos, ranking y subagentes sencillos de código. No es un modelo para todo, sino más bien una pieza de construcción para sistemas mayores, en los que un agente potente planifica el trabajo y un conjunto de modelos pequeños y rápidos se encarga de lo rutinario. Este enfoque sale cada vez más de los laboratorios hacia los servicios aplicados.

Dónde encaja

Lo importante del lanzamiento no son solo los nuevos nombres, sino un cambio de énfasis: cada vez más productos de IA no están limitados por la calidad máxima de la respuesta, sino por el equilibrio entre calidad, latencia y coste de cada solicitud. Si un modelo responde rápido, usa bien las herramientas y no falla en tareas multimodales, a menudo aporta más valor a un negocio que un modelo insignia pesado que piensa más tiempo y sale más caro. Para servicios con muchas solicitudes, esto se traduce de inmediato en la economía del producto y en la retención de usuarios.

• Asistentes de IA para código con ediciones rápidas y depuración
• Subagentes que buscan en paralelo en bases de código y documentos
• Sistemas de computer use que leen capturas de pantalla e interfaces
• Aplicaciones multimodales que trabajan con texto e imágenes en tiempo real
• Tareas masivas en segundo plano, como clasificación y extracción de campos

OpenAI destaca de forma específica los esquemas con varios modelos de distinta categoría. En ellos, el modelo grande se encarga de la planificación, la coordinación y la verificación final, mientras que mini o nano ejecutan subtareas acotadas en paralelo. Para los desarrolladores, esto supone una orquestación más barata sin una pérdida total de calidad. Para el usuario final, productos más ágiles en los que la IA deja de sentirse lenta y pesada. Y eso importa más que cualquier salto puntual en un benchmark árido.

Precios y disponibilidad

GPT-5.4 mini tiene un abanico de usos bastante amplio. El modelo está disponible en la API, Codex y ChatGPT, y admite entradas de texto e imagen, tool use, function calling, web search, file search, computer use y skills. La ventana de contexto es de 400 000 tokens. El precio es de 0,75 $ por millón de tokens de entrada y 4,50 $ por millón de tokens de salida. En Codex, mini consume solo el 30 % de la cuota de GPT-5.4, por lo que puede usarse para tareas auxiliares más baratas y subagentes en paralelo.

GPT-5.4 nano está disponible solo a través de la API y cuesta aún menos: 0,20 $ por millón de tokens de entrada y 1,25 $ por millón de tokens de salida. En ChatGPT, mini ya está disponible para usuarios Free y Go mediante el modo Thinking, y para el resto puede usarse como fallback de GPT-5.4 Thinking. En la práctica, esto divide la gama con mucha claridad: mini se convierte en el modelo de trabajo masivo para productos cotidianos, y nano, en un motor utilitario para operaciones de backend sencillas, frecuentes y baratas.

Qué significa

El lanzamiento de GPT-5.4 mini y nano muestra que la carrera de modelos entra en una nueva fase: ganarán no solo los más potentes, sino también los que ofrecen un resultado casi de modelo insignia con precio bajo y poca latencia. Para el mercado, es una señal de que la próxima oleada de productos de IA no se construirá en torno a un único modelo "más inteligente", sino en torno a combinaciones de modelos grandes y pequeños. Esas combinaciones, y no los supermodelos aislados, definirán el próximo ciclo de la IA aplicada.