Indlæser kataloget…
Indlæser kataloget…
OpenAIs hurtigste og letteste GPT-5-klasse til klassificering i store mængder, opsummering og korte færdiggørelser — 400k kontekstvindue, billed- og filinddata samt obligatoriske ræsonneringsspor.
Bemærkning om suverænitet. GPT-5 nano er bygget af OpenAI, som er en amerikansk modelskaber, og er derfor underlagt CLOUD Act. Den er ikke placeret som en suveræn løsning med dataplacering i EU. Det er en model med lukkede vægte, som kun kan tilgås via API'er drevet af leverandøren — OpenAIs eget API og Microsoft Azures AI Foundry — frem for vægte, der kan downloades.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,05 / 0,36€+2 betingede priser | Online |
15 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Specialbygget til klassificeringsopgaver i store mængder med et kontekstvindue på 400k og kort svartid — nano-klassen er specifikt designet til dette.
Et kontekstvindue på 400k understøtter opsummering af lange dokumenter, og denne klasse er specifikt positioneret til korte uddata og opsummering i stor skala.
Hurtig og billig klasse, der er velegnet til tagging-opgaver i store mængder, hvor gennemløb og pris per token er vigtigere end dyb ræsonnering.
Hurtig lavprisklasse med værktøjskald, der rammer behovene ved triage i store mængder og beslutninger om rutevalg, der kræver hurtig klassificering.
Understøtter verktøykald, men da dette er den letteste klasse, kan kompleks logik til funktionskald overstige dens pålidelighed sammenlignet med større GPT-5-varianter.
Billedforståelse og filer som inddata understøttes med et kontekstvindue på 400k, hvilket gør den velegnet til OCR-lignende dokumentopgaver, selvom det ikke er flagskibsniveauet til ræsonnering.
Designet til korte uddata og et stort kontekstvindue understøtter rutinemæssig skrivning af e-mails til en lav pris.
Billedforståelse med hurtig inferens passer til lette opgaver med fortolkning af screenshots, hvor pris betyder mere end dyb multimodal ræsonnering.
Et kontekstvindue på 400k håndterer lange transskriptioner; denne klasse er fokuseret på opsummering, hvilket gør den til en fornuftig lavprismulighed til mødereferater.
Et kontekstvindue på 400k og obligatoriske ræsonneringsspor understøtter spørgsmål-svar til regelsæt til en lavere pris, selvom det ikke er familiens bedste valg til høj nøjagtighed.
Udvidet tænkning er til stede, men dette er modelfamiliens mindste og hurtigste klasse — komplekse agentiske opgaver med mange trin betjenes bedre af GPT-5-varianter med højere egenskaber som gpt-5.6-sol.
Værktøjskald understøttes, men nano-klassen er optimeret til billige, korte uddata, ikke de vedvarende ræsonneringskæder med flere værktøjer, som orkestrering kræver.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-multilingual-index, aa-lcr, helm-safety-bbq, helm-safety-harm-bench, helm-safety-anthropic-red-team, helm-safety-simple-safety-tests, helm-safety-xstest, do-not-answer, realtoxicityprompts.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-5-nano-2025-08-07",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på