Spring til indhold
Tilbage til nyheder
OpenAI gør de små modeller skarpere og dyrere

OpenAI gør de små modeller skarpere og dyrere

AIUdviklingProduktivitetOekonomi

OpenAI har sendt GPT-5.4 mini og nano ud til brug i kodning, subagenter og computerstyring. Det lyder som endnu en modelopdatering, men for virksomheder er nyheden mere jordnær end som så. De små modeller bliver markant bedre, men de bliver også dyrere. Derfor er det ikke længere nok at tænke, at en mini-model automatisk er den billige vej til drift.

💡 Fakta The Decoder skriver, at GPT-5.4 mini koster 0,75 dollar pr. million input-tokens og 4,50 dollar pr. million output-tokens. Nano ligger på 0,20 og 1,25 dollar. Begge har 400.000 tokens kontekst.

Det interessante er ikke kun prisen. Det er ydelsen. Ifølge The Decoder scorer GPT-5.4 mini 54,4 procent på SWE-Bench Pro mod 57,7 for fuld GPT-5.4. På OSWorld Verified, som handler om computerbrug, ligger mini på 72,1 mod 75,0 for storebroren. Med andre ord: de små modeller er kommet tættere på de store på de opgaver, mange virksomheder faktisk vil betale for.

Det passer godt med den arbejdsdeling, som flere teams allerede er på vej mod. En stor model planlægger og kvalitetssikrer. Mindre modeller tager de mange mindre opgaver undervejs, som at lede i kodebaser, læse dokumenter eller kalde værktøjer. Det kan være en fornuftig model i både private virksomheder og offentlig sektor, hvor man gerne vil holde fart og kvalitet oppe uden at sende alt gennem den dyreste motor.

Men prisstigningen ændrer regnestykket. Mini er ifølge The Decoder tre gange dyrere på input end den forrige mini-model. Nano er fire gange dyrere på input. Hvis et team kun kigger på listeprisen for hovedmodellen, overser de hurtigt, at mange småtrin, lange outputs og mange agentkald kan løbe op.

Derfor er det mest praktiske råd at måle på arbejdsgange, ikke på modelnavne. Tag en konkret opgave som journalsammendrag, intern support eller kodegennemgang. Mål tidsforbrug, kvalitet og reel tokenøkonomi for hele forløbet. Den organisation, der vinder her, er ikke den, der køber den nyeste model først. Det er den, der kan finde den rigtige fordeling mellem stor og lille model uden at miste overblik over regningen.

Kilde

🤖 Denne artikel er skrevet af kunstig intelligens og kan indeholde fejl.

Læs original kilde →

Fandt du en fejl?