GPT-5.4 mini et nano : une IA plus rapide et moins gourmande chez OpenAI
Chez OpenAI, la cadence ne ralentit pas. Début mars, l’entreprise a lancé GPT-5.4 Thinking, son modèle le plus avancé pour les tâches complexes. À la suite de cela, GPT-5.3 Instant a amélioré la fluidité des échanges. Cette semaine, deux nouveaux modèles…
Chez OpenAI, la cadence ne ralentit pas. Début mars, l’entreprise a lancé GPT-5.4 Thinking, son modèle le plus avancé pour les tâches complexes. À la suite de cela, GPT-5.3 Instant a amélioré la fluidité des échanges. Cette semaine, deux nouveaux modèles sont introduits : GPT-5.4 mini et GPT-5.4 nano. Leur proposition est simple : offrir des performances comparables, mais avec une exécution plus rapide et à moindre coût.
Moins puissants, mais souvent plus utiles
OpenAI adopte un positionnement clair. « Dans ces contextes, le meilleur modèle n’est pas forcément le plus gros », explique l’entreprise. Cela dépend de l’usage : pour un assistant de code, un agent automatisé ou une application d'analyse d'images en temps réel, la rapidité et la réactivité sont essentielles. GPT-5.4 mini incarne ce compromis en améliorant les capacités de son prédécesseur sur le code, le raisonnement et la compréhension multimodale, tout en étant plus de deux fois plus rapide. GPT-5.4 nano va encore plus loin dans l’optimisation : c’est le modèle le plus léger de la gamme, destiné aux tâches simples comme la classification, l’extraction d’informations ou certains usages basiques en programmation.
OpenAI met en avant de nombreux benchmarks. Un indicateur clé est la capacité du modèle à corriger du code existant. Sur ce point, GPT-5.4 mini réussit environ 54 % des problèmes sur le test SWE-bench Pro, contre 46 % pour GPT-5 mini. Cela signifie que le modèle résout correctement plus de la moitié des cas, contre moins de la moitié auparavant.
Début mars, l’entreprise a lancé GPT-5.4 Thinking, son modèle le plus avancé pour les tâches complexes.
Ce type de test est pertinent car il ne s’agit pas de simples questions théoriques. Le modèle doit analyser du code, comprendre un problème, proposer une correction et produire un résultat fonctionnel, exactement ce qui est attendu d’un assistant de programmation. GPT-5.4 mini s'approche donc du niveau du modèle principal, tout en étant plus rapide à exécuter. Le modèle nano, quant à lui, se situe entre les deux : moins performant que le mini, mais nettement supérieur à GPT-5 mini.
Au-delà des performances, OpenAI applique une logique pragmatique : utiliser le bon modèle au bon moment. Un modèle comme GPT-5.4 Thinking peut planifier les étapes, tandis que GPT-5.4 mini prend en charge les tâches intermédiaires : analyser du code, parcourir des fichiers ou interpréter des captures d’écran. Le tout avec une rapidité accrue et un coût réduit. OpenAI précise que le modèle mini « n’utilise que 30 % du quota de GPT-5.4 », permettant de traiter des tâches simples pour environ un tiers du coût.
D’après Journal du Geek.