OpenAI Lança GPT-5.4 Mini e Nano para Workloads de Alto Volume

A OpenAI não está só encolhendo modelos, está redesenhando a economia de inferência para quem opera em escala. O GPT-5.4 Mini, com janela de contexto de 400 mil tokens e preço de US$ 0,75/milhão de tokens de entrada, é mais de duas vezes mais rápido que o GPT-5 Mini antigo em codificação e raciocínio, mas custa quatro vezes mais que o GPT-5 equivalente. Isso revela uma mudança estratégica: a empresa prioriza desempenho consistente em latência baixa (não apenas throughput) e confiabilidade em ferramentas, mesmo em versões menores. Já o Nano, a US$ 0,20/milhão de tokens de entrada, não é um 'modelo barato', mas um componente especializado, projetado para rodar como subagente em pipelines complexos, como classificadores pré-processadores ou ranqueadores em tempo real em aplicações multimodais.

O lançamento fecha um ciclo de três semanas intensas: primeiro veio o GPT-5.4 Thinking e Pro (5/3), depois a descontinuação do GPT-5.1 (11/3), e agora os dois modelos leves (17/3). A linha GPT-5.4 como um todo reduziu erros factuais em 33% frente ao GPT-5.2, um ganho que se traduz diretamente em menos retrabalho em automação de suporte, análise de documentos e assistência técnica. Não é só sobre tamanho: é sobre onde cada peça se encaixa numa arquitetura de agentes reais.

Empresas que já usam GPT-5 em produção agora têm uma alternativa viável para tarefas críticas de baixa latência, como assistentes de desenvolvedor que respondem em menos de 800ms ou sistemas de triagem de tickets que precisam processar milhares de requisições por minuto sem estourar orçamento. O Nano, embora restrito à API, abre espaço para casos onde o custo por chamada é decisivo: por exemplo, extrair entidades de logs em tempo real ou rankear respostas geradas por outro modelo maior. A OpenAI está sinalizando que, em 2026, a eficiência não vem de um único monolito, mas de uma malha de modelos especializados que conversam entre si, e essa malha começa a ter peças oficiais, baratas e bem documentadas.