52달러로 사진 7만 6천 장을 설명할 수 있는 GPT-5.4 mini와 GPT-5.4 nano

오늘 OpenAI 소식: GPT‑5.4 mini와 nano 공개. 두 모델은 2주 전 출시된 GPT-5.4에 이어 라인업에 새롭게 합류했다.

OpenAI가 자체 공개한 벤치마크에 따르면, 새로운 5.4-nano는 최대 추론 노력(reasoning effort) 설정 기준으로 기존 GPT-5 mini를 앞서는 성능을 보였다. 새로운 mini는 이전 mini보다 속도도 2배 빠르다.

가격 구조는 다음과 같다. 모든 가격은 100만 토큰 기준이며, gpt-5.4-nano은 Google의 Gemini 3.1 Flash-Lite보다도 저렴하다는 점이 눈에 띈다.

GPT-5.4 nano를 활용해 John M. Mossman Lock Collection에서 직접 찍은 사진에 대한 설명을 생성해 봤다.

llm -m gpt-5.4-nano -a IMG_2324.jpeg 'describe image'

출력 결과는 다음과 같다.

이미지에는 긴 전시 벽이 있는 박물관 갤러리 내부가 담겨 있다. 흰색 페인트로 칠해진 벽돌 벽에는 액자에 넣은 초상화 여러 점이 가지런히 여러 줄로 걸려 있다. 초상화 아래로는 짙은 목재 프레임과 유리 상단 및 전면으로 구성된 유리 진열장이 여러 개 놓여 있으며, 그 안에는 오래된 역사적 물품과 장비들이 전시되어 있다. 바닥은 광택이 나는 나무 마루이고, 천장에는 조명 기구가 코드에 매달려 있으며, 벽 상단 부근에는 배관 파이프 몇 개가 보인다. 전경에는 갤러리 전체 길이를 따라 유리 진열장이 이어져 있고, 그 유리면에 갤러리 다른 구역의 전시물들이 반사되어 보인다.

이 작업에는 입력 토큰 2,751개와 출력 토큰 112개가 사용됐으며, 비용은 0.069센트(1센트의 10분의 1도 안 되는 금액)에 불과했다. 이 단가를 기준으로 내 사진 컬렉션에 담긴 사진 7만 6천 장 전체에 설명을 붙이면 약 52.44달러가 든다는 계산이 나온다.

새 모델을 지원하는 llm 0.29를 출시했다.

이어서 OpenAI Codex로 추론 노력 수준 5단계와 세 가지 모델을 모두 조합해, 자전거를 타는 펠리컨을 그린 SVG 그리드를 한데 모아 생성해 봤다(생성 과정 기록은 여기서 확인). 개인적으로 gpt-5.4 xhigh 버전이 가장 마음에 든다. 바퀴살까지 제대로 표현된 자전거에 부리에 물고기까지 물고 있는 펠리컨이라니!

현재 표시되는 글은 블로그의 장문 아티클만 포함한 피드입니다. 모든 포스트를 받아보려면 /atom/everything/을 구독하거나, 다른 구독 옵션을 확인해 보세요.