OpenAI lança GPT-5.4 mini e nano: qualidade quase de modelo topo de linha por um preço menor

Em 17 de março de 2026, a OpenAI apresentou o GPT-5.4 mini e o GPT-5.4 nano, duas versões compactas da família GPT-5.4 para tarefas em que velocidade, preço e a possibilidade de rodar o modelo em larga escala são importantes. A principal surpresa é que, em vários testes-chave, o mini chega bem mais perto do GPT-5.4 completo do que normalmente se espera de um modelo "leve".

Quase um modelo topo de linha

O GPT-5.4 mini não é posicionado como um meio-termo reduzido, mas como um modelo de trabalho para produtos reais. Segundo a OpenAI, ele marcou 54,4% no SWE-Bench Pro, contra 57,7% do GPT-5.4 completo, e 72,1% no OSWorld-Verified, contra 75,0%. Existe uma diferença, mas ela já não parece um abismo. Além disso, o mini roda mais de duas vezes mais rápido que o GPT-5 mini, da geração anterior, o que em cenários voltados ao usuário costuma importar mais do que alguns pontos a mais em um benchmark.

O GPT-5.4 nano, o menor da linha, vai ainda mais longe em eficiência. A OpenAI o descreve como a versão menor e mais barata do GPT-5.4 e o recomenda para classificação, extração de dados, ranqueamento e subagentes simples de código. Não é um modelo para tudo, mas sim um bloco de construção para sistemas maiores, nos quais um agente forte planeja o trabalho e um conjunto de modelos pequenos e rápidos cuida da rotina. Essa abordagem vem saindo cada vez mais dos laboratórios e chegando a serviços aplicados.

Onde isso se encaixa

O ponto do lançamento não são apenas os novos nomes, mas uma mudança de ênfase: cada vez mais produtos de IA esbarram não na qualidade máxima da resposta, mas no equilíbrio entre qualidade, latência e custo de cada requisição. Se um modelo responde rápido, usa bem as ferramentas e não falha em tarefas multimodais, ele frequentemente traz mais valor ao negócio do que um modelo topo de linha pesado, que pensa por mais tempo e custa mais. Para serviços com muitas requisições, isso vira imediatamente economia do produto e retenção de usuários.

• Assistentes de IA para código, com edições rápidas e depuração
• Subagentes que pesquisam em paralelo em bases de código e documentos
• Sistemas de computer use que leem capturas de tela e interfaces
• Aplicativos multimodais que trabalham com texto e imagens em tempo real
• Tarefas massivas em segundo plano, como classificação e extração de campos

A OpenAI destaca especificamente cenários com vários modelos de classes diferentes. Nesse esquema, o modelo grande assume o planejamento, a coordenação e a verificação final, enquanto o mini ou o nano executam subtarefas específicas em paralelo. Para os desenvolvedores, isso significa uma orquestração mais barata, sem perda total de qualidade. Para o usuário final, produtos mais responsivos, nos quais a IA deixa de parecer lenta e pesada. E isso importa mais do que qualquer salto pontual em um benchmark seco.

Preços e disponibilidade

O GPT-5.4 mini tem uma área de aplicação bastante ampla. O modelo está disponível na API, no Codex e no ChatGPT, e aceita entradas de texto e imagem, tool use, function calling, web search, file search, computer use e skills. A janela de contexto é de 400 mil tokens. O preço é de US$ 0,75 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída. No Codex, o mini consome apenas 30% da cota do GPT-5.4, por isso pode ser usado em tarefas auxiliares mais baratas e em subagentes paralelos.

O GPT-5.4 nano está disponível apenas pela API e custa ainda menos: US$ 0,20 por milhão de tokens de entrada e US$ 1,25 por milhão de tokens de saída. No ChatGPT, o mini já está disponível para usuários Free e Go por meio do modo Thinking, e para os demais pode ser usado como fallback do GPT-5.4 Thinking. Na prática, isso divide a linha com muita clareza: o mini vira o modelo de trabalho em massa para produtos do dia a dia, e o nano, um motor utilitário para operações de backend simples, frequentes e baratas.

O que isso significa

O lançamento do GPT-5.4 mini e do nano mostra que a corrida dos modelos entra em uma nova fase: vencerão não apenas os mais fortes, mas também os que entregam resultado quase de topo de linha com preço baixo e pouca latência. Para o mercado, é um sinal de que a próxima onda de produtos de IA será construída não em torno de um único modelo "mais inteligente", mas em torno de combinações de modelos grandes e pequenos. Essas combinações, e não supermodelos isolados, vão definir o próximo ciclo da IA aplicada.