把长材料变成可读结果
文本处理可围绕摘要、归类和字段整理组织任务。输入材料时明确摘要范围、必须保留的名称和交付格式，更便于得到可检查的结果。长上下文为集中提供背景留出空间，但关键规则仍应单独写清，不宜埋在大量材料中。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生上下文
- 400K tokens
- 原生最大输出
- 128K tokens
- 输入与交付
- 文本、图像理解；以文本回答为主要交付
- 标准调用入口
- /openai/responses；/openai/chat/completions
- 图文消息方式
- Chat Completions 使用 text 与 image_url 内容项
- 交互与控制
- 标准入口提供 stream、输出长度与推理配置字段
- 简化会话
- /aichat/conversations；question 输入、answer 输出，支持 stateful 与 id
容量数字属于公开原生规格，平台调用采用所选入口的消息格式、参数兼容性与实际请求限制。
核心能力
了解 gpt-5-nano 能为你的工作带来什么。
让图片参与文字分析
GPT-5 nano 的视觉能力适合让截图、商品照片或图表与文字问题共同参与分析。可要求描述可见内容、整理图中文字或解释画面中的信息关系。交付重点是文字说明，而不是把图像理解当作图片生成或自动编辑功能。
按应用形态选择交互
已有消息历史管理的应用可使用 Chat Completions；采用 input 与响应事件组织交互时可选 Responses。简单问答则可使用 question 与 answer 形式。多轮会话通过 stateful 和会话 id 延续，减少应用反复拼装完整历史的工作。
适用场景
从具体任务出发，找到模型发挥作用的位置。
工单摘要与标签草稿
输入客户留言、已有处理记录和标签定义，要求输出问题摘要、待补信息及标签建议。为容易混淆的类别提供示例，并允许返回无法判断。结果可作为工单整理草稿，由业务程序校验标签、关联记录后再进入后续处理。
截图说明与图文问答
输入界面截图和具体问题，例如定位可见错误提示、说明页面信息或整理商品图中的文字。使用 image_url 搭配文本指令，要求区分看见的内容与推测。交付可用于客服解释或内容录入，模糊细节应补充清晰局部图。
资料摘要与持续追问
将会议记录、业务说明或知识材料转为文本，要求生成主题摘要、行动项和待确认问题，再针对某一段继续追问。标准入口可携带相关历史，简化会话可复用 id。关键结论最好附上对应原文，方便人工回查。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
与 GPT-5、mini 怎么选
GPT-5 nano、GPT-5 mini 和 GPT-5 的公开上下文与最大输出数字相同，因此不能仅凭容量判断任务效果。规则明确、结果容易校验的日常处理，可先评估 nano；复杂推理、完整编程或长链工具任务，应与 mini、GPT-5 使用同一组样本比较，再决定选型。
先选任务，再选入口
如果应用已经使用 messages 管理角色和历史，选择 Chat Completions 更便于保持现有结构；需要 Responses 事件式交互时，使用对应入口。只想提交问题并延续会话，可选简化会话。需要格式或工具控制的流程，应选标准入口，而不是把所有需求塞入普通问答。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 400K 上下文与 128K 最大输出是原生容量规格，不代表每次请求都适合填满。长材料应突出相关段落，给回复预留预算，并检查完成状态；输出被截断时，应缩小任务或分段生成，而不是直接使用残缺结果。
- 视觉理解不等于精确测量或逐字无误的文字识别。截图中的小字、密集表格和模糊区域应提供清晰版本；涉及金额、编号或图表数值时，需逐项复核，不要依据一次图文回答直接写入关键业务记录。
- GPT-5 nano 的图文问答不等于 ChatGPT 的完整产品功能。普通请求不会自动联网、执行代码或操作界面；工具调用需要应用负责执行与回传。处理文档可先提取文本，不应把直接提交 PDF、语音输出或生图当作默认能力。
常见问题
解答使用 gpt-5-nano 时的常见疑问。
GPT-5 nano 与 GPT-5 mini 的容量不同吗？
官方发布页给两者列出的容量相同：400K 上下文、128K 最大输出。容量相同不表示推理效果相同。选型时应比较实际任务的正确率、格式一致性和返工情况，而不是只看 nano 或 mini 的名称。
GPT-5 nano 可以看图，也能生成图片吗？
它支持图像理解，可围绕图片内容生成文字回答。在 Chat Completions 中，可将 text 与 image_url 放入同一条消息。这里的视觉能力应理解为看图分析，不应把它当作图片生成或图像编辑型号。
怎样用 GPT-5 nano 保持多轮对话？
标准入口可随请求携带相关对话历史。使用简化会话时，首次设置 stateful=true，保存返回的 id，后续继续传入该 id 与 stateful=true。重要背景仍应明确提供，会话延续不等于永久保存所有细节。
GPT-5 nano 的推理参数应该怎么设置？
Responses 使用 reasoning 配置，Chat Completions 提供 reasoning_effort 字段。建议先用默认配置完成任务测试，再按兼容的档位调整，并比较质量与用量；不要直接套用其他 GPT 版本的全部推理枚举值。
GPT-5 nano 适合返回 JSON 或调用函数吗？
标准入口提供 JSON 格式及工具相关配置，可用于设计结构化整理与函数协作流程。应先验证所需配置的兼容性，并在应用端校验字段和参数。函数调用结果还需要程序执行、回传，并不代表模型已经完成业务操作。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.01per 1M tokens
Official $0.05
Output
$0.08per 1M tokens
Official $0.40
−79%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs