Estas variantes están diseñadas para tareas específicas como programación, razonamiento, clasificación y extracción de datos, entre otras
17.03.2026 • 16:30hs • Inteligencia artificial
Inteligencia artificial
OpenAI lanza GPT-5.4 mini y nano: sus nuevos modelos económicos de IA multitasking
OpenAI, el gigante global de inteligencia artificial (IA), lanzó GPT-5.4 mini y nano, dos nuevas versiones compactas de su modelo de IA que buscan combinar velocidad, eficiencia y capacidad de respuesta para cargas de trabajo de gran volumen.
Estas variantes están diseñadas para tareas específicas como programación, razonamiento, clasificación y extracción de datos, ofreciendo un rendimiento cercano al modelo completo GPT-5.4, pero con menor consumo de recursos.
OpenAI lanza GPT-5.4 mini y nano: cómo funcionan estas versiones económicas
La compañía presentó oficialmente estas versiones el martes 17 de marzo de 2026 y se destacan por ser capaces de trasladar gran parte de las funcionalidades de GPT-5.4 a un formato más liviano y económico.
GPT-5.4 mini representa una mejora significativa respecto a GPT-5 mini, ya que duplica la velocidad de ejecución y amplía sus capacidades en codificación, razonamiento, comprensión multimodal y uso de herramientas.
En pruebas de referencia como SWE-Bench Pro y OSWorld-Verified, su desempeño se acerca al del modelo GPT-5.4 completo, algo que lo convierte en una opción atractiva para desarrolladores y empresas que requieren potencia sin sacrificar eficiencia.
Por su parte, GPT-5.4 nano se posiciona como la versión más pequeña y económica de la familia, pensada para tareas donde la velocidad y el costo son factores determinantes.
OpenAI lanzó dos nuevos modelos económicos, pero eficientes de ChatGPT
Está recomendado para procesos de clasificación, extracción de datos, ranking y subagentes de codificación que manejan tareas de soporte más simples.
Con esta propuesta, OpenAI apunta a que las empresas puedan desplegar agentes especializados en gran escala sin necesidad de recurrir siempre a modelos de mayor tamaño.
El lanzamiento de estas variantes responde a la creciente demanda de modelos más eficientes que puedan integrarse en flujos de trabajo de alta escala.