OpenAI는 다른 목표, 더 빠른 응답 및 훨씬 더 낮은 비용을 달성하기 위해 최신 모델을 축소하고 있습니다. 새로운 GPT-5.4 mini 및 nano는 추론 능력을 최대한 활용하는 것보다 응답성에 더 관심을 두는 개발자를 위해 제작되었습니다.
두 모델 모두 오늘부터 구매 가능합니다. GPT-5.4 mini는 주요 벤치마크에서 전체 GPT-5.4에 가깝게 유지하면서 이전 제품보다 2배 이상 빠른 속도로 실행됩니다. GPT-5.4 nano는 이를 더욱 발전시켜 효율성이 가장 중요한 분류 및 데이터 추출과 같은 간단한 작업에 중점을 둡니다.
이 접근 방식은 속도가 경험을 좌우하는 앱에 적합합니다. 코딩 보조자, 백그라운드 에이전트 및 실시간 비전 도구는 빠른 피드백에 의존하며, 이러한 경우 약간 작은 모델이 전반적으로 더 나은 결과를 제공하는 경우가 많습니다.
실제로 손실된 성능은 얼마나 됩니까?
모델 간의 성능 격차는 예상보다 좁습니다. GPT-5.4 mini는 전체 모델의 57.7%에 비해 SWE-Bench Pro에서 54.4%의 점수를 얻었습니다. OSWorld-Verified에서 미니는 72.1%에 도달하고 더 큰 버전은 75%에 도달하여 작업 전반에 걸쳐 차이를 좁게 유지합니다.
비용은 훨씬 더 극적으로 감소합니다. GPT-5.4 mini의 가격은 입력 토큰 백만 개당 0.75달러, 출력 토큰 백만 개당 4.50달러이며, nano는 0.20달러와 1.25달러입니다. 두 모델 모두 텍스트 및 이미지 입력, 도구 사용, 함수 호출 및 400,000개의 토큰 컨텍스트 창을 지원하므로 가격이 저렴하다고 해서 핵심 기능이 사라지지는 않습니다.
Codex에서 미니 모델은 GPT-5.4 할당량의 30%만 사용합니다. 이를 통해 개발자는 일상적인 코딩 작업을 더 저렴한 계층으로 전환하는 동시에 더 어려운 추론을 위해 전체 모델을 저장할 수 있습니다.
작은 모델이 무거운 작업을 수행하는 경우
OpenAI는 또한 다중 모델 워크플로를 추진하고 있습니다. 개발자는 하나의 시스템에 의존하는 대신 작업을 여러 계층으로 분할하여 계획을 위한 대규모 모델과 실행을 처리하는 소규모 모델을 결합할 수 있습니다.
해당 설정은 이미 작동하는 실제 앱의 수를 반영합니다. 한 모델은 코드베이스를 검토하거나 변경 사항을 결정할 수 있는 반면 다른 모델은 지원 데이터 또는 반복 단계를 처리할 수 있습니다. 작은 모델은 예측 가능한 작업을 처리하는 반면, 큰 모델은 판단과 조정에 중점을 둡니다.
초기 피드백에서는 이 혼합이 효과적이라는 것을 시사합니다. Hebbia CTO Aabhas Sharma는 GPT-5.4 mini가 더 저렴한 비용으로 여러 작업에서 경쟁 모델과 일치하거나 더 나은 성능을 발휘했으며 경우에 따라 전체 GPT-5.4보다 더 강력한 엔드투엔드 결과를 제공했다고 보고했습니다.
무엇을 언제 사용해야 하는가
이제 GPT-5.4 mini를 API, Codex 및 ChatGPT에서 사용할 수 있습니다. Free and Go 사용자는 Thinking 옵션을 통해 액세스할 수 있지만, 다른 사용자는 GPT-5.4 Thinking의 한계에 도달하면 이를 대체 수단으로 볼 수 있습니다.
나노 모델은 현재 비용 제어가 중요한 대용량 워크로드를 실행하는 팀을 대상으로 하는 API로 제한됩니다. 두 모델 모두 현재 전체 문서와 함께 제공됩니다.
실시간 AI 기능을 구축하는 개발자의 경우 변화는 분명합니다. 이제 더 작은 모델로도 더 많은 일상 작업을 처리할 수 있으므로 속도, 비용, 기능의 적절한 균형을 선택하는 것이 점점 더 실용적인 결정이 되고 있습니다.