GPT-5-Nano is the smallest and fastest variant in the GPT-5 system, optimized for developer tools, rapid interactions, and ultra-low latency environments. While limited in reasoning depth compared to its larger counterparts, it retains key instruction-following and safety features. It is the successor to GPT-4.1-nano and offers a lightweight option for cost-sensitive or real-time applications.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,025 $US | 0,20 $US | 0,0025 $US | -- | -- |
- Entrée 0,025 $US / Sortie 0,20 $US-- tok/s-- de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
GPT-5 Nano (batch) — Historique des prix
| 0,00 $US | 0,00 $US | 13,8 % | 100,0 % |
- Prix effectif en entrée 0,00 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Les données de disponibilité sont encore insuffisantes pour être affichées.
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| Artificial Analysis | GPT-5 nano (High) GPQA Diamond | 67.6% |
| Artificial Analysis | GPT-5 nano (High) HLE | 9.5% |
| Artificial Analysis | GPT-5 nano (High) IFBench | 67.6% |
| Artificial Analysis | GPT-5 nano (High) τ²-Bench Telecom | 36.5% |
| Artificial Analysis | GPT-5 nano (High) AA-LCR | 45.0% |
| Artificial Analysis | GPT-5 nano (High) CritPt | 0.0% |
| Artificial Analysis | GPT-5 nano (High) LiveCodeBench | 78.9% |
| Artificial Analysis | GPT-5 nano (High) Terminal-Bench Hard | 12.1% |
| Artificial Analysis | GPT-5 nano (High) MMLU-Pro | 78.0% |
| Artificial Analysis | GPT-5 nano (High) AIME 2025 | 83.7% |
| Artificial Analysis | GPT-5 nano (Medium) GPQA Diamond | 67.0% |
| Artificial Analysis | GPT-5 nano (Medium) HLE | 8.7% |
| Artificial Analysis | GPT-5 nano (Medium) IFBench | 65.9% |
| Artificial Analysis | GPT-5 nano (Medium) τ²-Bench Telecom | 30.4% |
| Artificial Analysis | GPT-5 nano (Medium) AA-LCR | 43.7% |
| Artificial Analysis | GPT-5 nano (Medium) CritPt | 0.0% |
| Artificial Analysis | GPT-5 nano (Medium) LiveCodeBench | 76.3% |
| Artificial Analysis | GPT-5 nano (Medium) Terminal-Bench Hard | 17.4% |
| Artificial Analysis | GPT-5 nano (Medium) MMLU-Pro | 77.2% |
| Artificial Analysis | GPT-5 nano (Medium) AIME 2025 | 78.3% |
| Artificial Analysis | GPT-5 nano (Minimal) GPQA Diamond | 42.8% |
| Artificial Analysis | GPT-5 nano (Minimal) HLE | 4.0% |
| Artificial Analysis | GPT-5 nano (Minimal) IFBench | 32.5% |
| Artificial Analysis | GPT-5 nano (Minimal) τ²-Bench Telecom | 25.7% |
| Artificial Analysis | GPT-5 nano (Minimal) AA-LCR | 20.0% |
| Artificial Analysis | GPT-5 nano (Minimal) CritPt | 0.0% |
| Artificial Analysis | GPT-5 nano (Minimal) LiveCodeBench | 47.0% |
| Artificial Analysis | GPT-5 nano (Minimal) Terminal-Bench Hard | 6.8% |
| Artificial Analysis | GPT-5 nano (Minimal) MMLU-Pro | 55.6% |
| Artificial Analysis | GPT-5 nano (Minimal) AIME 2025 | 27.3% |
| Design Arena | GPT-5 nano (Default) Models Arena 3D Elo | 945 |
| Design Arena | GPT-5 nano (Default) Models Arena Code Categories Elo | 1073 |
| Design Arena | GPT-5 nano (Default) Models Arena Data Visualization Elo | 1052 |
| Design Arena | GPT-5 nano (Default) Models Arena Game Development Elo | 1034 |
| Design Arena | GPT-5 nano (Default) Models Arena UI Component Elo | 1056 |
| Design Arena | GPT-5 nano (Default) Models Arena Website Elo | 1093 |
| Vals AI | GPT 5 Nano AIME | 81.2% |
| Vals AI | GPT 5 Nano CaseLaw v2 | 52.6% |
| Vals AI | GPT 5 Nano GPQA Diamond | 63.4% |
| Vals AI | GPT 5 Nano LiveCodeBench | 70.2% |
| Vals AI | GPT 5 Nano LegalBench | 50.1% |
| Vals AI | GPT 5 Nano MATH 500 | 93.8% |
| Vals AI | GPT 5 Nano MedCode | 30.4% |
| Vals AI | GPT 5 Nano MedQA | 93.3% |
| Vals AI | GPT 5 Nano MedScribe | 72.9% |
| Vals AI | GPT 5 Nano MGSM | 89.3% |
| Vals AI | GPT 5 Nano MMLU Pro | 76.1% |
| Vals AI | GPT 5 Nano MMMU Pro | 70.9% |
| Vals AI | GPT 5 Nano MortgageTax | 53.6% |
| Vals AI | GPT 5 Nano ProofBench v1 | 12.0% |
| Vals AI | GPT 5 Nano SAGE v1 | 30.4% |
| Vals AI | GPT 5 Nano TaxEval v2 | 67.4% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Pas encore assez de données sur les applications utilisant ce modèle.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Documentation
Guides, recueils de recettes, articles de blog et outils pour développer avec OpenAI: GPT-5 Nano (batch) sur OpenRouter.
Questions fréquentes
GPT-5-Nano is the smallest and fastest variant in the GPT-5 system, optimized for developer tools, rapid interactions, and ultra-low latency environments. While limited in reasoning depth compared to its larger counterparts, it retains key instruction-following and safety features. It is the successor to GPT-4.1-nano and offers a lightweight option for cost-sensitive or real-time applications.
La documentation de GPT-5 Nano (batch) sur OpenRouter comprend l’article de blog GPT-5 is now live . Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.
GPT-5 Nano (batch) coûte 0,025 $US/M de jetons d’entrée et 0,20 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,0025 $US/M tokens et Web Search à 10,00 $US/1K calls.
GPT-5 Nano (batch) dispose d’une fenêtre de contexte de 400 000 jetons. Il prend en charge jusqu’à 128 000 jetons de complétion.
Oui. GPT-5 Nano (batch) accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
GPT-5 Nano (batch) accepte texte, images et fichiers tels que des PDF en entrée et renvoie texte.
GPT-5 Nano (batch) est servi par 1 fournisseur sur OpenRouter : OpenAI.
GPT-6.1 Terra Pro, GPT-6.1 Terra, GPT-6 Luna Decisions et 58 de plus sont d’autres modèles de type texte de OpenAI.
GPT-5 Nano (batch) est sorti le 7 août 2025. Ses connaissances s’arrêtent au 31 mai 2024.