GPT-5.4 miniとnanoの登場で考える、業務AIの「モデルの使い分け」

2026年3月17日、OpenAIがGPT-5.4の小型モデル「GPT-5.4 mini」と「GPT-5.4 nano」を発表しました。3月5日に出たフラッグシップのGPT-5.4に続く、速度とコストを重視した派生モデルです。この記事では、公開されている料金と仕様を整理したうえで、業務でAIを組み込むときの「モデルの使い分け」について私の考えをまとめます。

何が起きたのか

今回発表されたのは2つのモデルです。APIのモデル一覧では、miniとnanoのスナップショットはどちらも 2026-03-17 付けになっています。

• GPT-5.4 mini：APIに加えて、ChatGPTとCodexでも使えるモデルです。報道によると、ChatGPTの無料プランなどでも利用できるようになりました。
• GPT-5.4 nano：シリーズで最も小さく安いモデルで、提供はAPIのみです。

OpenAIは、miniをコーディング支援や画面操作、画像を含む入力の理解、そして大きなエージェントの下で補助作業を担う「サブエージェント」向けと位置付けています。nanoは分類、データ抽出、ランキングのような比較的単純な処理向けという説明です。

API上の主な仕様は次のとおりです。

モデル	入力（100万トークンあたり）	出力（100万トークンあたり）	コンテキスト長
GPT-5.4	$2.50	$15.00	約105万トークン
GPT-5.4 mini	$0.75	$4.50	40万トークン
GPT-5.4 nano	$0.20	$1.25	40万トークン

miniとnanoはどちらも、ストリーミング、構造化出力、関数呼び出し、Web検索、プロンプトキャッシュなどに対応しています。小型モデルだからといって、使える機能が大きく削られているわけではありません。

性能面では、OpenAIが公開したベンチマークで、miniとnanoはGPT-5.4には及ばないものの、前世代のGPT-5 miniを上回る結果が示されています。特にminiは、PCの画面操作を評価するテストでGPT-5.4に近い数字を出しているとのことです。

何が変わるのか

前世代より「高く」なっている点に注意

料金表で私が最初に気になったのは、前世代の小型モデルとの比較です。

モデル	入力	出力
GPT-5 mini	$0.25	$2.00
GPT-5.4 mini	$0.75	$4.50
GPT-5 nano	$0.05	$0.40
GPT-5.4 nano	$0.20	$1.25

単価で見ると、miniは入力が3倍、出力が2.25倍、nanoは入力が4倍、出力が約3倍です。性能が上がった分、小型モデルでも単価は上がっているというのが今回の実態です。「新しいモデルに切り替えれば安くなる」と考えて移行すると、請求額が増える可能性があります。

フラッグシップとの差は大きい

一方で、同じGPT-5.4シリーズの中で比べると、miniはGPT-5.4の約3割、nanoは約1割以下の単価です。最上位モデルをすべての処理に使っていた場合は、処理の一部を小型モデルに回すだけでコストを大きく下げられます。

つまり今回の発表は「安いモデルが出た」というより、同じ世代の中で性能と価格の段階がはっきり分かれた、と捉えるのが正確だと私は見ています。

実務での影響・対応

処理ごとにモデルを選ぶ設計にする

業務にAIを組み込むとき、1つのモデルですべてをこなす設計にしがちです。しかし実際の業務処理は、難しさがまちまちです。

• 問い合わせメールの分類や、請求書からの項目抽出：手順が決まっていて、正解の形もはっきりしている処理です。nanoの守備範囲だと考えます。
• 社内文書の要約や、定型的な返信文の下書き：ある程度の文章力が必要ですが、最上位モデルまでは要らないことが多い処理です。miniが候補になります。
• 複数の資料を突き合わせた判断や、設計レベルのコード生成：ここはGPT-5.4のようなフラッグシップを使う価値があります。

月額コストを試算してみる

具体的な数字で比べてみます。たとえば「1件あたり入力2,000トークン、出力200トークンの分類処理を月1万件」行うとします。入力は月2,000万トークン、出力は月200万トークンです。

モデル	入力コスト	出力コスト	月額合計
GPT-5.4	$50.00	$30.00	$80.00
GPT-5.4 mini	$15.00	$9.00	$24.00
GPT-5.4 nano	$4.00	$2.50	$6.50

同じ処理でも、モデル選びだけで10倍以上の差が出ます。件数が増えるほど、この差は効いてきます。なお、これは料金表から単純に計算した概算で、プロンプトキャッシュの割引などは含めていません。

切り替えるなら、評価データを先に作る

モデルを小さくすると、精度が落ちる処理も出てきます。私が実務でおすすめしているのは、切り替える前に「正解付きのサンプル」を数十件用意しておくことです。

1. 過去の実データから、典型的なケースと判断が難しいケースを集める
2. 人が確認した正解を付けておく
3. 候補のモデルそれぞれで処理し、正解と一致する割合を比べる

この手順を踏めば、「nanoで十分か、miniが必要か」を感覚ではなく数字で判断できます。以前の記事で書いたレスポンス検証の仕組みと組み合わせると、小型モデルの出力ミスも後段で拾えます。

エージェント構成では「司令塔」と「作業員」を分ける

OpenAIがminiをサブエージェント向けとしている点も重要です。複雑なタスクを扱うAIエージェントでは、全体の計画を立てる役と、ファイル検索や情報の整理などの細かい作業をこなす役に分ける構成が増えています。司令塔に上位モデル、作業員に小型モデルを割り当てれば、品質を保ちながら全体のコストを抑えられます。今後はこうした組み合わせが標準的な設計になっていくと私は見ています。

モデルの入れ替えに備えておく

小型モデルは世代交代が早い分野です。モデル名をコードのあちこちに直接書くのではなく、設定ファイルや環境変数で切り替えられるようにしておくと、新モデルへの移行や廃止への対応が楽になります。

まとめ

GPT-5.4 miniとnanoは、フラッグシップより大幅に安く、前世代の小型モデルより高性能なモデルです。ただし前世代と比べると単価は上がっているため、何となく最新版に切り替えるのではなく、処理ごとに必要な性能を見極めることが大切です。

業務AIのコストは、どのモデルを使うかより、どの処理にどのモデルを当てるかで決まります。今回の発表は、その設計を見直す良いきっかけだと考えています。

参考リンク

• GPT-5.4 mini モデルページ（OpenAI API Docs）
• GPT-5.4 nano モデルページ（OpenAI API Docs）
• GPT-5.4 モデルページ（OpenAI API Docs）
• GPT-5 mini モデルページ（OpenAI API Docs）
• GPT-5 nano モデルページ（OpenAI API Docs）
• OpenAI releases GPT-5.4 mini and nano（GIGAZINE）