GPT-4.1 nano, OpenAI'nin 4.1 ailesinin en küçük üyesidir — gecikme süresinin ve birim maliyetin diğer her şeyin önüne geçtiği iş yükleri için tasarlanmıştır. Yüksek hacimli sınıflandırma. Çok modelli bir hat içinde yönlendirme kararları. Yalnızca ilginç olanlarda değil, her olayda çalışması gereken etiketleme ve işaretleme işleri.
Daha büyük kardeşleriyle aynı 1.047.576 tokenlik bağlam penceresini paylaşır ve metin ile görüntü girdisini kabul eder, ancak kullanım senaryosu "ona bir milyon token besle" değildir. Kullanım senaryosu "ona yüz milyon kısa istem besle ve fatura felaket olmasın" şeklindedir.
Nano ne için uygundur
Nano dağıtımlarında üç iş yükü şekli tekrar tekrar karşımıza çıkar.
Birincisi, bir ajanın önünde niyet sınıflandırmasıdır. Bir kullanıcı mesaj gönderir; siz onun üzerinde tam 4.1 tokenleri harcayarak akıl yürütmeye başlamadan önce, nano mesajı "fatura sorusu," "özellik isteği," "hata raporu" veya "kötüye kullanım" olarak etiketler. Yanlış yönlendirmeler ucuzdur. Doğru yönlendirmeler ise sonraki her çağrıda gerçek anlamda para kazandırır.
İkincisi, ölçekte çıkarımdır. Gelen e-postalardan yapılandırılmış alanların çekilmesi, şemalarını sürdürmeyen sağlayıcılardan gelen yarı yapılandırılmış CSV dışa aktarımlarının ayrıştırılması, ülkeler arası adres satırlarının normalleştirilmesi. Nano bu işleri yetkin bir biçimde ve mini veya tam katmanda ödeyeceğiniz gecikmenin küçük bir kısmıyla halleder.
Üçüncüsü, moderasyon ve politika filtrelemedir. Daha yetenekli bir modelin her çıktısı üzerinde nano'yu çalıştırarak insan müdahalesi gerektirebilecek her şeyi işaretleyin. Pahalı olan tam model çıktısıdır; üzerine eklenen nano kontrolü ise ucuz sigortadır.
Nano ne için uygun değildir
Gerçek anlamda akıl yürütme gerektiren her şey için. Çok adımlı planlama, yeni kod sentezi, modelin zincirleme bir araya getirmek zorunda olduğu örtük mantığa sahip her şey — nano yanlış seçimdir ve kalite düşüşü çıktıda apaçık görülür. Bunlar için istediğiniz şey tam GPT-4.1 veya gpt-4.1-mini'dir.
Uzun bağlam sentezi de uygun bir kullanım değildir. Nano uzun bir girdiyi kabul edebilir, ancak tampon boyunca sentez yapma yeteneği mini'ye göre çok daha hızlı bozulur. 50k tokenin üzerinde belgeler besliyor ve her iki uçtan da malzeme çeken tutarlı bir yanıt istiyorsanız, nano kullanmayın.
Son kullanıcılara yönelik serbest biçimli yazım, modelin sınırlarını net biçimde gösterir. Nano taslak hazırlayabilir, ancak prozanın tonu mini'ye göre daha düz ve cümle şeklinde gözle görülür biçimde daha az çeşitlilik vardır. Dahili araçlar için kabul edilebilir, müşteriye yönelik çıktılarda ise sıklıkla görünür şekilde daha kötü.
Ne kadar hızlı ve ne kadar ucuz
Gecikme öyküsü manşettir. Nano'da ilk tokene kadar geçen süre, tutarlı bir biçimde GPT-4.1 ailesindeki en hızlısıdır; bu fark, tur başına birden çok model çağrısı olan herhangi bir etkileşimli döngüde hissedilen bir farktır. Akış aktarım hızı, sıkı ajan döngülerinde bile nano çağrılarının nadiren darboğaz olacak kadar yüksektir.
Canlı gecikme rakamları her çıkarım yığını güncellemesiyle değişir; güncel tablo /benchmarks/speed adresindedir. Kategoriler arası zekâ karşılaştırması /benchmarks/intelligence adresindedir.
Maliyet konusunda dürüst çerçeveleme: nano, OpenAI'nin yelpazesindeki ucuz katmandır, ancak aşırı hacim itiyorsanız açık ağırlıklı seçeneklere karşı da kıyaslama yapmanız gerekir. Yönetilen altyapıda küçük bir Gemma 3 modeli veya OVH üzerinde bir Llama 3.3 8B, basit sınıflandırma için daha da ucuza gelebilir; bunun ödünleşmesi daha fazla operasyonel sorumluluktur. Karar vermeden önce her ikisini de çalıştırın.
Rekabete karşı
Küçük-hızlı katmanda nano, Claude Haiku 4.5, Gemini 2.5 Flash Lite ve açık ağırlıklı daha küçük model ailesiyle rekabet eder. Her birinin bilinmeye değer karakter farklılıkları vardır.
Haiku 4.5'in daha temkinli bir reddetme tavrı vardır; bunu bazı ekipler ister, diğerleri ise yönlendirme tarzı kullanım senaryolarında sinir bozucu bulur. Gemini 2.5 Flash Lite, testlerimizde karışık dilli girdilerle çok dilli sınıflandırmada en güçlüsüdür. Nano ise JSON şema kısıtlı çıktılarda en tutarlı olanıdır.
Kategoriler arası dönen karşılaştırma için bkz. /benchmarks/leaderboard; metodoloji /benchmarks/methodology adresindedir.
Dağıtım notları
Standart OpenAI yüzeyleri. Akış, araç çağrısı, yapılandırılmış çıktılar, JSON modu, görüntü girdisi — hepsi ailenin geri kalanında nasıl davranıyorsa öyle davranır. Aynı Chat Completions ve Responses uç noktaları. Aynı İngilizce ağırlıklı tokenleştirici, yani Latin olmayan yazı sistemleri tam modeldeki ile aynı token şişme vergisini öder.
Nano'da istem önbelleğe almayı kurmak özellikle değerlidir. Tipik bir nano dağıtımında, saatte on binlerce kez yeniden kullanılan sabit bir sistem istemi bulunur; bu öneki her çağrıda yeniden faturalandırmak yerine bir kez önbelleğe almak, açık bir gecikme ve maliyet kazancıdır.
Bölgesel ikamet konusu aynı OpenAI hikayesidir: doğrudan API, Azure üzerinde bölge sabitlemesi olmadan çalışır; Azure OpenAI Service, ayrı bir sözleşme kapsamında bölgesel dağıtımlar sunar. Sıkı AB ikamet gereksinimleri altındaki ekipler için OVH'de barındırılan bir Mistral veya Llama örneği farklı bir konuşmadır; bkz. /usecases/local.
Seçim yapma
Şunlara ihtiyacınız olduğunda nano'ya yönelin:
- Tutarlı düşük gecikmede yüksek hacimli sınıflandırma, yönlendirme veya moderasyon.
- Dağınık gelen metinden yapılandırılmış çıkarım.
- Esaslı akıl yürütmeyi daha yetenekli bir modelin üstlendiği çok modelli bir hattın ucuz bacağı.
Gerçek kullanıcıya yönelik çıktıdaki kalite darboğaz olmaya başladığı an mini'ye geçin. Nano'yu olması gerekenden daha ileri itmeye çalışan çoğu ekip, bir hafta içinde bunu eval puanlarında hissedebilir.
Ölçeklendirmeden önce kendi istemlerinizi /live-test üzerinden çalıştırın. Doğru katman iş yüküne özgüdür ve nano ile mini arasındaki fark, bazı görevlerde model kartının ima ettiğinden daha büyüktür.
Son teknik inceleme: 22.05.2026 — Tokonomix.ai
