{"id":878,"date":"2026-03-19T07:10:34","date_gmt":"2026-03-19T05:10:34","guid":{"rendered":"https:\/\/vittrup-graversen.dk\/?p=878"},"modified":"2026-03-28T12:10:09","modified_gmt":"2026-03-28T10:10:09","slug":"gpt-5-4-mini-og-nano-openais-nye-modeller-er-bygget-til-kodning-og-ai-subagenter","status":"publish","type":"post","link":"https:\/\/vittrup-graversen.dk\/index.php\/2026\/03\/19\/gpt-5-4-mini-og-nano-openais-nye-modeller-er-bygget-til-kodning-og-ai-subagenter\/","title":{"rendered":"GPT-5.4 mini og nano: OpenAIs nye modeller er bygget til kodning og AI-subagenter"},"content":{"rendered":"\n

OpenAI lancerede i g\u00e5r to nye modeller i GPT-5.4-familien: GPT-5.4 mini<\/strong> og GPT-5.4 nano<\/strong>. Hvor tidligere mini-modeller mest har v\u00e6ret en billigere erstatning for flagskibet, markerer disse to et skift i strategi: De er specifikt designet til at fungere som subagenter i st\u00f8rre AI-systemer \u2014 og de er optimeret til kodning, tool-kald og computer use.<\/p>\n\n\n\n

For udviklere der arbejder med AI-agenter i dagligdagen, er det en vigtig nyhed. Det handler ikke bare om lavere pris \u2014 det handler om en ny arkitektur, hvor store og sm\u00e5 modeller arbejder sammen.<\/p>\n\n\n\n

Hvad kan de nye modeller?<\/h2>\n\n\n\n

GPT-5.4 mini er den mest kapable af de to. Den scorer 54,4% p\u00e5 SWE-Bench Pro \u2014 t\u00e6t p\u00e5 flagskibets 57,7% \u2014 og rammer 72,1% p\u00e5 OSWorld-Verified, som tester computeranvendelse. Til sammenligning scorede den \u00e6ldre GPT-5 mini kun 45,7% og 42,0% p\u00e5 de samme benchmarks. OpenAI h\u00e6vder desuden at mini k\u00f8rer mere end dobbelt s\u00e5 hurtigt som sine forg\u00e6ngere.<\/p>\n\n\n\n

Nano-modellen er endnu hurtigere og billigere, men naturligvis mindre kapabel. Den er t\u00e6nkt til simplere opgaver: klassificering, dataekstraktion, ranking og underst\u00f8ttende kodningsopgaver. Med en pris p\u00e5 kun $0,20 pr. million input-tokens og $1,25 pr. million output-tokens er den markant billigere end mini ($0,75 \/ $4,50) \u2014 og langt billigere end flagskibet.<\/p>\n\n\n\n

Subagent-arkitekturen: Stor model planl\u00e6gger, sm\u00e5 modeller udf\u00f8rer<\/h2>\n\n\n\n

Det mest interessante ved denne lancering er ikke selve modellerne \u2014 det er den arkitektur, OpenAI nu aktivt promoverer. I deres blogpost<\/a> beskriver de eksplicit et m\u00f8nster, hvor GPT-5.4 (flagskibet) h\u00e5ndterer planl\u00e6gning, koordinering og den endelige vurdering, mens GPT-5.4 mini og nano k\u00f8rer som subagenter, der eksekverer konkrete delopgaver parallelt.<\/p>\n\n\n\n

I Codex \u2014 OpenAIs kodningsplatform \u2014 er det allerede implementeret: GPT-5.4 kan delegere til mini-subagenter, der s\u00f8ger i codebases, gennemg\u00e5r filer eller bearbejder dokumentation. Mini bruger kun 30% af GPT-5.4’s kvota, s\u00e5 udviklere kan k\u00f8re tre gange s\u00e5 mange mini-opgaver for samme pris.<\/p>\n\n\n\n

Det m\u00f8nster kender vi fra LangChain Deep Agents<\/a>, der bruger en lignende tilgang med planl\u00e6gning og hukommelse. Men OpenAIs version er bygget direkte ind i deres modeludbud \u2014 du beh\u00f8ver ikke selv orkestrere det.<\/p>\n\n\n\n

Hvad betyder det for din hverdag som udvikler?<\/h2>\n\n\n\n

Hvis du bruger Codex, Claude Code, JetBrains Air<\/a> eller andre agentiske kodningsv\u00e6rkt\u00f8jer, er lektionen klar: Fremtiden er ikke \u00e9n stor model, der g\u00f8r alt. Det er et orkester af modeller med forskellige styrker.<\/p>\n\n\n\n

I praksis betyder det:<\/p>\n\n\n\n