2026年3月21日時点では、新しい低コスト OpenAI API ワークロードは GPT-5.4 nano から試すのが基本です。 理由は単純で、現在の GPT-5.4 nano model page では GPT-5 mini より安い価格が示され、knowledge cutoff も 2025-08-31 と新しく、ツール面も広いからです。さらに 2026年3月17日の GPT-5.4 mini and nano 発表 では、GPT-5.4 nano が GPT-5 mini を複数の coding / tool / long-context 系指標で上回っています。
もちろん GPT-5 mini が即不要になるわけではありません。既存運用で安定しており、Tier 1 throughput を強く重視し、しかもワークロードがシンプルな text 中心なら残す合理性はあります。ただし「2026年に新しい cheap lane をどこから始めるべきか」という問いに対しては、標準回答がすでに GPT-5.4 nano 側へ移っています。
要点まとめ
| モデル | 向いている用途 | 選ぶ主な理由 | 選ばない主な理由 |
|---|---|---|---|
| GPT-5.4 nano | 新規の分類、抽出、ランキング、軽量 helper-agent | より安く、cutoff も新しく、ツール面も広く、公式の coding/tool 指標でも強い | Tier 1 TPM は mini より低く、一部の狭い eval では mini が勝つ |
| GPT-5 mini | 既存の text-heavy legacy トラフィック、Tier 1 throughput を重視する運用 | Tier 1 TPM が高く、既存 prompt と運用ノウハウを流用しやすい | 古く、nano より高価で、今の OpenAI が新規 cheap branch の主流として押しているラインではない |
最短の判断ルールはこうです。新しい cheap lane は GPT-5.4 nano、GPT-5 mini は測定済みの理由があるときだけ残す。
名前の印象より、実際の役割差のほうが大きい
この比較で最も誤解されやすいのは、名称から役割を逆算してしまうことです。
「mini のほうが nano より上位っぽい」と感じる人は多いですが、現在の OpenAI ラインではその直感は通用しません。 latest-model guide では、小さくて速い変種が必要なら gpt-5.4-mini または gpt-5.4-nano から始めるよう示されています。さらに GPT-5 mini のページ自体も、多くの新規 low-latency / high-volume workloads では GPT-5.4 mini を勧めています。
つまり GPT-5 mini は「まだ使える現役モデル」ではあるものの、「新しい安価な既定路線」ではなくなっています。今の位置づけとしては、残っている legacy cheap branch に近いです。一方の GPT-5.4 nano は、classification、data extraction、ranking、より単純な coding subagents 向けと明示されており、cheap worker が担当しがちな仕事にかなり素直にはまります。
料金、cutoff、ツール、throughput を横並びで見る
2026年3月21日時点の公式ページでは、GPT-5.4 nano は input $0.20 / cached input $0.02 / output $1.25、GPT-5 mini は input $0.25 / cached input $0.025 / output $2.00 です。つまり GPT-5 mini はこの比較で「旧いだけでなく高い」モデルでもあります。
加えて knowledge cutoff は GPT-5.4 nano が 2025-08-31、GPT-5 mini が 2024-05-31。2025年以降のライブラリや API 変更、ドキュメント更新を cheap lane でもそこそこ扱うなら、この差は無視できません。
ツール面でも差があります。GPT-5.4 nano は image generation、hosted shell、apply patch、skills、MCP まで含みますが、GPT-5 mini は web search、file search、code interpreter、MCP が中心です。plain-text の大量処理だけなら差を感じにくいかもしれませんが、helper-agent 的な運用ではこの差がそのまま product fit の差になります。
現在の GPT-5 mini を残す最も強い理由は throughput です。compare-models page では Tier 1 TPM が GPT-5 mini は 500,000、GPT-5.4 nano は 200,000。ここだけは mini が明確な強みを持ちます。
| 仕様 | GPT-5.4 nano | GPT-5 mini |
|---|---|---|
| Input 価格 | $0.20 / 1M tokens | $0.25 / 1M tokens |
| Cached input | $0.02 / 1M tokens | $0.025 / 1M tokens |
| Output 価格 | $1.25 / 1M tokens | $2.00 / 1M tokens |
| Context window | 400,000 | 400,000 |
| Max output | 128,000 | 128,000 |
| Knowledge cutoff | 2025-08-31 | 2024-05-31 |
| Snapshot | gpt-5.4-nano-2026-03-17 | gpt-5-mini-2025-08-07 |
| Image generation | Yes | No |
| Hosted shell | Yes | No |
| Apply patch | Yes | No |
| Skills | Yes | No |
| Tier 1 TPM | 200,000 | 500,000 |
ここまで見ると、現行 SERP に足りないのが「どちらが安いか」ではなく「どちらを cheap default として採用すべきか」という整理だと分かります。
2026年3月17日の公式ベンチマークが示していること
この比較で一番重要なのは、GPT-5.4 nano が「安いが弱い」モデルとして扱われていない点です。
| 公式 launch post の benchmark | GPT-5.4 nano | GPT-5 mini | 実務での意味 |
|---|---|---|---|
| SWE-Bench Pro | 52.4% | 45.7% | Nano は実ソフトウェア課題の解決で優位 |
| Terminal-Bench 2.0 | 46.3% | 38.2% | Nano は low-level tool execution で優位 |
| Toolathlon | 35.5% | 26.9% | Nano は tool coordination で優位 |
| GPQA Diamond | 82.8% | 81.6% | 高難度 QA reasoning でも nano がわずかに上 |
| MRCR v2 128K-256K | 33.1% | 19.4% | 長い prompt での retrieval 系で nano が強い |
| OSWorld-Verified | 39.0% | 42.0% | ここでは mini が少し上 |
つまり GPT-5.4 nano は「安いだけ」のラインではありません。cheap worker が実際にぶつかる coding、tool use、長文脈のいくつかで、現時点の公式表でも GPT-5 mini を上回っています。GPT-5 mini にも一部の狭い eval で優位は残りますが、全体像としては nano のほうが「新しい cheap lane」として筋が良いです。
なお OpenAI は、この比較が完全に同条件の研究比較ではなく、各モデルで現在利用可能な最良設定に近い product comparison だという前提も示しています。つまり buyer judgement には役立つが、研究論文的な純粋比較ではない、という読み方が適切です。
GPT-5.4 nano を選ぶべきケース
新しい cheap lane をこれから作るなら、GPT-5.4 nano から始めるのがもっとも自然です。
特に向いているのは classification、data extraction、ranking、軽量 helper-agent、単純な coding subagents です。OpenAI 自身がそのように位置付けていますし、価格も cutoff も tool surface もそちらに沿っています。
また、cheap lane でも少しはツールを使う運用、例えば shell や patch、構造化抽出などが絡む場合、GPT-5 mini より GPT-5.4 nano のほうが「安いのに時代に合っている」感じがあります。
以下が多く当てはまるなら GPT-5.4 nano です。
- 新しい cheap lane を設計している
- 最低コストだけでなく 2025 年までの知識も欲しい
- helper-agent 的な軽いツール作業も行う
- Tier 1 TPM より total value を重視する
GPT-5 mini を残すべきケース
GPT-5 mini を残す理由はあります。ただし「古いからダメ」ではなく、「残す条件がかなり絞られた」という理解のほうが正確です。
もっとも強い理由は、既に本番で安定していることです。prompt が十分に調整済みで、運用品質にも満足しているなら、移行コストとリスクを無視して入れ替える必要はありません。二つ目は Tier 1 throughput。下位ティアで大量の短いリクエストを回すなら 500,000 TPM は依然として意味があります。三つ目は、あなたの実タスクが mini の小さな優位が残る eval に近い場合です。
つまり GPT-5 mini を残すのは、以下のようなときです。
- 既存 prompt stack が完成している
- Tier 1 throughput が本当に重要
- workload がほぼ plain text で新しい tools を要しない
- 実測で nano へ移しても十分な利益が出ない
API の選択と ChatGPT 表示は混同しない
このキーワードは ChatGPT surface の話に流れがちですが、API routing と ChatGPT の見え方は別問題です。
現在の Help Center 記事 では、ChatGPT の visible picker は GPT-5.3 Instant、GPT-5.4 Thinking、GPT-5.4 Pro の文脈で説明されています。ここでの話は API で GPT-5.4 nano と GPT-5 mini のどちらを cheap lane に置くかとは一致しません。
API stack を決めるなら model pages、latest-model guide、launch post を優先してください。プレミアム側も含めた設計なら、続けて GPT-5.4 と GPT-5 mini の比較 を読むのが自然です。API key の取得自体がまだなら、ここはローカライズ版がないため英語の OpenAI API key guide を明示的な fallback として置いておきます。
実務上の移行ルールは次の 3 行で十分です。
- 新しい cheap workload は GPT-5.4 nano から試す。
- GPT-5 mini は、throughput または既存運用の優位が測定できるときだけ残す。
- cheap lane が coding / agent 寄りに重くなったら GPT-5.4 mini の比較へ移る。
mini を残す前に何を測るべきか
この比較でありがちな失敗は、GPT-5 mini を「前から使っているから」という理由だけで残してしまうことです。既存運用を守ること自体は間違いではありませんが、残すなら残すで計測理由が必要です。cheap lane の判断は、名前の印象よりも運用指標で決めたほうがぶれません。
最低限見るべきなのは、1 件あたりの実効コスト、成功した tool call の割合、長い prompt での安定性、実トラフィックでの平均レイテンシ、そして失敗時に上位モデルへ逃がす割合です。Tier 1 TPM が高いという事実だけでは、総合価値までは決まりません。高 throughput でも、失敗率や再試行率が増えるなら cheap lane 全体の効率は崩れます。
もう一つ重要なのは、タスクをまとめて平均化しすぎないことです。cheap lane は分類、抽出、ルーティング、軽い coding helper など、似ているようで失敗パターンが違う仕事を混ぜがちです。GPT-5.4 nano はそうした混在トラフィックで、価格だけでなく tool use や長文脈の相性でも差を出しやすいので、単一の平均スコアだけでは判断を誤ります。
実務で効く質問は単純です。「GPT-5 mini が勝っているのは、どの種類のリクエストか」 を言えるかどうかです。ここが曖昧なら、mini を残す理由は product fit ではなく inertia である可能性が高いです。
nano へ移すときの現実的な進め方
GPT-5.4 nano を試すときは、全 cheap traffic を一度に切り替えないほうが安全です。既存の mini ルート、候補の nano ルート、必要なら premium fallback を並べ、失敗率とコスト差を同時に見る形にすると判断がかなり楽になります。
最初の段階では prompt を大きく変えず、まずモデルだけを置き換えるのが実務的です。モデル変更と orchestration 変更を同時にやると、どちらが結果に効いたのか分からなくなります。そのあとで system prompt の圧縮、reasoning 設定の見直し、tool 呼び出しの増減を別々に試すほうが再現性があります。
ロールアウトの順番も雑にしないほうがよいです。まずは新規 cheap リクエストの一部だけを nano に流し、完了タスクあたりのコスト、再試行率、長い context での崩れ方を見ます。数字が安定したら cheap default を nano に寄せ、GPT-5 mini は throughput が特に効く狭い経路だけに残す。この形なら、今の OpenAI の製品位置付けとも実運用の安全性とも整合します。
言い換えると、GPT-5.4 nano は「いまの標準候補」として試し、GPT-5 mini は「残す理由が証明されたときだけ残す」ぐらいの扱いがちょうどよいです。
FAQ
GPT-5 mini はもう deprecated ですか？
いいえ。2026年3月21日時点でも model page、pricing、rate limits は残っています。ただし「新しい安価な既定路線」かと言われると、そこはもう違います。
GPT-5.4 nano は GPT-5 mini を完全に置き換えますか？
完全ではありません。legacy traffic や throughput-sensitive な運用では mini を残す意味があります。ただ、新しい cheap lane なら nano を先に試すほうが自然です。
GPT-5 mini を残す一番強い理由は何ですか？
Tier 1 TPM の高さと、既に検証済みの prompt / 運用挙動です。名前の印象ではありません。
いつ GPT-5.4 mini と比べるべきですか？
cheap lane が simple helper work を超えて coding や agent 的な役割を担い始めたときです。その場合は GPT-5.4 mini と GPT-5 mini の比較 のほうが次の判断に近いです。
一言でまとめると、2026年の新しい低コスト OpenAI API では GPT-5.4 nano が既定値に近く、GPT-5 mini は明確な理由があるときだけ残す legacy 例外です。