OpenAI
GPT 5 Nano
Компактная версия GPT-5 для суммаризации и классификации.
- Вход
- 6,00 ₽
- Выход
- 48,00 ₽
- Кэш
- 0,60 ₽
- Интеллект
- 13
openai/gpt-5-nanoДанные каталога получены
Цена
- Текстовый диалог · вход
- 6,00 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 48,00 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 0,60 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
GPT-5 nano предназначена для задач суммаризации и классификации. Модель принимает текст и изображения, выдаёт текст и не поддерживает аудио или видео.
- Релиз
Характеристики
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 400 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 128 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения
Контрольные показатели
Artificial Analysis
11 показателей
- Индекс интеллекта
- 13 индексСводная оценка Artificial Analysis по всем её тестамПроверено
Рассуждение по документу
- AA-LCR v1.145 %
Рассуждение на длинном контексте с обновлённой оценкой
Проверено
Устаревшие тесты
- AA-LCR (версия не указана, архивный)45 %
Оценка рассуждений на длинном контексте
Проверено
- GPQA Diamond (архивный)67,6 %
Научные рассуждения уровня выпускника
Проверено
Рассуждения
- AIME 202583,7 %
Проверено
- HLE9,5 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
Рассуждение
- IFBench67,6 %
Тест на следование инструкциям
Проверено
Программирование
- LiveCodeBench78,9 %
Бенчмарк по программированию без загрязнения данных
Проверено
- Terminal-Bench Hard (архивный)12,1 %
Устаревший резервный вариант · Агентное программирование и работа в терминале
Проверено
Знания
- MMLU-Pro78 %
Профессиональные и академические предметные знания
Проверено
Агентная работа
- T²-Bench Telecom (архивный)36,5 %
Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением
Проверено
Design Arena
10 показателей · проверено
Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми
Модели
- 3D · Elo984 Elo
- 3D · доля побед36,3 %
- Визуализация данных · Elo1 067 Elo
- Визуализация данных · доля побед46,2 %
- Разработка игр · Elo1 058 Elo
- Разработка игр · доля побед46,5 %
- UI-компоненты · Elo1 075 Elo
- UI-компоненты · доля побед51,9 %
- Сайты · Elo1 109 Elo
- Сайты · доля побед48,9 %
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Пример API-запроса подготовлен для этой операции. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "openai/gpt-5-nano",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





