OpenClaw（龙虾）这阵子火得一塌糊涂，各家厂商都在说自家模型怎么支持龙虾，反倒是ChatGPT的声音相对安静。背后的原因并不复杂——贵。
让AI帮你处理一批稍微复杂点的任务，比如自动化回复客户邮件，背后可能要调用模型几十上百次：理解意图、检索信息、生成草稿、校对润色、逐封发送……每一步都上旗舰版GPT-5.4，一轮操作下来，token费用比任务本身还贵。
这个问题随着OpenClaw这类Agent框架的爆发变得越来越尖锐。以前向AI提问，它想一会儿吐出一段文字，现在的AI要把一个复杂任务拆成几十个微小步骤分步推进。每步都调大模型，延迟让人崩溃，成本更是离谱。
正是在这种背景下，OpenAI于2026年3月17日正式发布了GPT-5.4 mini与GPT-5.4 nano两款小型模型，官方定义是"迄今最强大的小型模型"。
便宜到什么程度？
先看价格，因为这是这两款模型最直接的卖点。
mini与nano均支持400k tokens的上下文窗口。输入价格上，GPT-5.4旗舰版是2.5美元/百万token，mini是0.75美元，nano更夸张——只要0.2美元，仅为旗舰的8%。
输出价格上，旗舰版是15美元/百万token，mini约为其1/3（4.5美元），nano约为其1/12（1.25美元）。
换句话说，以前用旗舰模型跑100次任务的钱，现在可以用nano跑1200次。账单直接砍到零头。
为什么OpenAI要这么做？
价格是表象，背后是整个行业使用趋势的根本转向。
OpenRouter近期最受欢迎的LLM榜单里，轻量化模型占据了大量席位，调用量数据远超多数通用旗舰模型——这说明真正在大规模落地的，恰恰是那些"看起来不那么性感"的小模型。 Hugging Face Hub的下载量统计也印证了这个趋势：绝大多数下载量来自参数量低于10亿的模型，参数量超过10亿的大模型合计下载占比不足8%。高关注度并没有转化成真实的落地采用。
从OpenAI自己的商业账本来看，今年2月底ChatGPT全球每周活跃用户已突破9亿，但付费转化率只有约5%左右。绝大多数C端用户的核心需求是日常对话、文案润色、轻量代码编写这些高频轻量场景，根本不需要旗舰模型的极限推理能力——百亿级小模型足够覆盖，还能给你毫秒级响应、零等待的体验。
所以对OpenAI来说，做小模型是一道必答题：每个token少赚点，但让你多调用，总收入反而上去了。典型的薄利多销逻辑。
能力几何？是真的强还是光便宜？
光便宜不够，关键是虾缩水了多少。
在公认最权威的AI程序员测试SWE-bench Pro中，GPT-5.4 mini准确率达到54.4%，非常接近满血版GPT-5.4的57.7%。nano是52.4%，考虑到它极低的成本，做快速迭代的代码审查和辅助子Agent非常合适。
在OSWorld-Verified（让AI像人一样用真实电脑操控Chrome、Office、VS Code等软件）测试中，GPT-5.4 mini拿到了72.1%，几乎追平旗舰版的75%，甚至超过了72.4%的人类基准线。这才是OpenClaw等Agent玩家最看重的指标——AI识别按钮、滑块、输入框的精度，直接决定自动化任务能不能稳定跑起来。
但不是所有场景都适合小模型。nano在OSWorld-Verified上只有39.0%，甚至低于上一代GPT-5 mini的42.0%。精细操控电脑界面的复杂任务，nano确实还力有不逮。深度推理、长链条逻辑的高难度任务，旗舰版依然不可替代。
OpenAI自家的Codex就把这套大小模型搭配的逻辑用得很清楚：主模型负责理解任务、拆解步骤，然后调度mini/nano级别的子Agent去执行具体的代码修改、测试运行、结果校验，每个子任务只消耗极低成本。大模型坐镇调度，小模型批量冲锋，整个系统的效率和成本结构都变了。
小模型的价值从来不在于取代大模型，而在于和大模型配合，把对的模型放在对的位置。过去"便宜"是国产模型的护城河，现在这道护城河正在被填平。
对开发者和企业用户来说，AI基础设施的门槛在悄悄降低——养龙虾的饲料费打下来了，接下来的问题只剩一个：谁能养出最肥的虾？
AI 速览
