Se segui un minimo il mondo AI, negli ultimi mesi ti sarai accorto di una cosa: la corsa non è solo a “chi ha il modello più grande”. È a chi riesce a mettere buona qualità dentro modelli veloci e sostenibili nei costi. Oggi OpenAI prova a mettere un punto (provvisorio) su questa tendenza con GPT-5.4 mini e GPT-5.4 nano, presentati come i suoi “small models” più capaci di sempre. E sì: non è solo marketing. L’idea è molto chiara — portare performance credibili in scenari dove contano davvero latenza, volumi e budget.
Nel concreto: GPT-5.4 mini arriva subito anche su ChatGPT, mentre GPT-5.4 nano resta un animale da API, pensato per task ripetitivi e ad altissima scala. Due modelli diversi, stesso obiettivo: farti smettere di usare un “modello grosso” anche quando non serve.
Cosa cambia davvero con GPT-5.4 mini
Il messaggio di OpenAI è piuttosto diretto: GPT-5.4 mini migliora sensibilmente rispetto a GPT-5 mini su coding, ragionamento, multimodale e tool use, e lo fa “girando” più di 2× più veloce. Nella pratica è il tipo di upgrade che interessa a chi costruisce prodotti: quando passi da un prototipo a un’app usata da migliaia di persone, la differenza tra “risponde in 2 secondi” e “risponde in 700 ms” cambia proprio la percezione di qualità.
Sul fronte tecnico, mini porta con sé un pacchetto molto completo: supporta input testuali e immagini, sa usare strumenti e funzioni, può fare web search, lavorare con file search e persino interagire con interfacce via “computer use” (cioè interpretare screenshot e agire in task guidati). Il punto non è che “vede le immagini”: è che lo fa abbastanza bene e abbastanza in fretta da diventare utile in workflow reali, tipo assistenti di coding che devono leggere UI dense o strumenti interni aziendali con schermate piene di campi.
Poi ci sono i numeri (che contano fino a un certo punto, ma aiutano a capire la direzione). In valutazioni citate da OpenAI, mini si avvicina a GPT-5.4 “full” su benchmark di coding come SWE-Bench Pro e su test legati al “computer use” come OSWorld-Verified. Il segnale è: “non stai più scegliendo tra intelligenza e velocità, stai scegliendo dove mettere l’asticella”.
Nano: il modello per quando contano i volumi, non la poesia
GPT-5.4 nano è la versione più piccola ed economica della famiglia 5.4, consigliata per classificazione, estrazione dati, ranking e “subtask” di supporto (sì, anche pezzetti di coding, ma quelli semplici). È interessante perché, storicamente, i nano/mini erano spesso “ok per riassunti, fine”. Qui invece l’obiettivo è farne un componente affidabile dentro sistemi più grandi.
E infatti la parola chiave che torna è subagents: un modello grande pianifica e decide, mentre modelli più piccoli eseguono rapidamente parti specifiche (scansionare file, fare parsing di documenti, estrarre campi da una mail, validare output). È un approccio molto da “software vero”, più che da demo da social.
C’è anche una differenza di “ambizione”: nano punta a essere semplice, veloce, economico. Non vuole fare tutto. E, per certi versi, è una scelta più onesta.
Prezzi e disponibilità: qui si gioca la partita
OpenAI posiziona mini come modello “da battaglia” anche per l’ecosistema: è disponibile in API, Codex e ChatGPT. In ChatGPT, compare per gli utenti Free e Go tramite la funzione “Thinking” nel menu “+”, mentre per gli altri può apparire come fallback quando GPT-5.4 Thinking è a limite. Nano invece resta solo API.
Sul pricing, i numeri sono aggressivi per la classe: GPT-5.4 mini costa $0,75 / 1M token in input e $4,50 / 1M token in output, con contesto fino a 400K. GPT-5.4 nano scende a $0,20 input e $1,25 output per 1M token. Tradotto: per tantissime app “business” (supporto clienti, tagging, estrazione da documenti, automazioni) ora diventa più facile tenere i costi sotto controllo senza buttare via qualità.
Perché questa mossa pesa più di quanto sembri
Da fuori sembra “solo un altro lancio”. In realtà è un segnale strategico: OpenAI sta spingendo forte sull’idea che il futuro non sia un singolo modello onnipotente, ma una famiglia di modelli combinabili. È la logica del cloud fatta bene: paghi di più quando serve, paghi poco quando puoi. E soprattutto costruisci prodotti che non crollano al primo picco di traffico.
Nel mondo Apple (e 9to5Mac ovviamente ci guarda da lì), questa cosa ha un sottotesto interessante: più modelli “piccoli ma bravi” significa più spazio per integrazioni dentro app, workflow e servizi che devono sembrare immediati. Non è detto che la magia avvenga on-device, ma l’effetto “istantaneo” sì, quello lo puoi ottenere anche lato server se la latenza scende davvero.
Considerazioni finali
La parte che mi convince non è il solito “più potente di prima”. È la maturità del messaggio: il modello migliore è quello giusto per quel pezzo di lavoro. Mini e nano, se funzionano come promesso, sono il tipo di tassello che rende l’AI meno spettacolo e più infrastruttura. E quando l’AI diventa infrastruttura, smette di essere una moda: diventa una scelta di prodotto.
FAQ
GPT-5.4 mini è disponibile su ChatGPT?
Sì: è già attivo. Per Free e Go si trova tramite “Thinking” nel menu “+”, per altri può comparire come fallback.
GPT-5.4 nano posso usarlo su ChatGPT?
No, nano è pensato per l’API.
Mini supporta immagini e strumenti?
Sì: input testo+immagini e un set ampio di capacità legate a tool use (inclusi web/file search e computer use).
Qual è la differenza più pratica tra mini e nano?
Mini è “generalista veloce” (anche multimodale e tool-ready). Nano è “ultra-economico” per task semplici e ad altissimo volume.
Quanto costa GPT-5.4 mini rispetto a nano?
Mini è più caro: $0,75 input / $4,50 output per 1M token. Nano scende a $0,20 / $1,25.
Che c’entra Codex in tutto questo?
Mini è disponibile anche in Codex e viene promosso come motore ideale per subtask rapidi dentro workflow di sviluppo.
