# GPT-5.4 vs GPT-5.4 mini: デフォルトにするならどっち？

> 2026年3月20日時点では、難しい推論や長いコンテキストにはGPT-5.4、大量のcoding・agent処理を安く回すならGPT-5.4 miniの方が実務的です。

- Source: https://www.aifreeapi.com/ja/posts/gpt-5-4-vs-gpt-5-4-mini
- Language: ja
- Published: 2026-03-20
- Updated: 2026-10-05
- Publisher: AI Free API (https://www.aifreeapi.com)

> **2026年10月5日追記：** 以下のモデルは現在も API で利用でき、料金も [OpenAI の料金ページ](https://developers.openai.com/api/docs/pricing) と一致しています（GPT-5.4 は入力 $2.50・出力 $15、GPT-5.4 mini は $0.75・$4.50、GPT-5.4 nano は $0.20・$1.25、GPT-5 nano は $0.05・$0.40 / 100万トークン）。ただし新規開発では、`gpt-6-luna`（$0.10・$0.50）や `gpt-6.1-sol`（$2・$10）など新しい選択肢も比較してください。

**より強い reasoning、少ない retries、あるいはずっと大きい **1.05M** context window が結果を左右するなら `GPT-5.4` を使うべきです。coding、computer use、agent workflows 向けに、より安く、より速く、高ボリュームな default が欲しいなら `GPT-5.4 mini` が合います。**

これは old-versus-new の migration story ではありません。どちらも現行の GPT-5.4 family model です。論点は、workflow が本当にどれだけ flagship headroom を必要とし、その headroom extra が回収できるかです。

![GPT-5.4 と GPT-5.4 mini の比較](https://www.aifreeapi.com/posts/ja/gpt-5-4-vs-gpt-5-4-mini/img/cover.png)

## 要点まとめ

最短で言うなら、次のルールで十分です。

- **GPT-5.4** は難しい仕事のルート
- **GPT-5.4 mini** は量を回す仕事のルート

| 項目 | GPT-5.4 | GPT-5.4 mini | 実務上の見方 |
|---|---|---|---|
| リリース日 | 2026年3月5日 | 2026年3月17日 | どちらも現行モデル |
| 現在の役割 | 高品質な主力デフォルト | 高ボリューム coding / agent 用 | 価格差より役割差が大きい |
| Input 価格 | $2.50 / 1M | $0.75 / 1M | GPT-5.4 は約3.3倍高い |
| Cached input | $0.25 / 1M | $0.075 / 1M | 反復コンテキストは mini が有利 |
| Output 価格 | $15.00 / 1M | $4.50 / 1M | 出力でも差は大きい |
| Context window | 1,050,000 | 400,000 | 長文脈タスクは GPT-5.4 が有利 |
| Knowledge cutoff | 2025-08-31 | 2025-08-31 | 鮮度の差ではない |
| Tool surface | 幅広い Responses API ツール対応 | 同じく幅広い対応 | mini は tool-light ではない |
| 公開 top-tier caps | 15,000 RPM / 40,000,000 TPM | 30,000 RPM / 180,000,000 TPM | mini の方が量を回しやすい |

大事なのは、「品質を優先するか」「スループットとコストを優先するか」です。

## 本当の分岐点は flagship の headroom と production throughput

この比較を単なるスペック比較として読むと、判断を誤りやすくなります。

`GPT-5.4` が向いているのは次のような場面です。

- 400K では足りない長いコンテキスト
- 多段の reasoning が壊れると全体が崩れるワークフロー
- 1回のミスのコストが高い仕事

`GPT-5.4 mini` が向いているのは次のような場面です。

- worker や subagent を大量に並列で回したい
- coding や computer use を大量に回す
- モダンな tool surface を保ったままコストを抑えたい

だから、この比較で本当に答えるべき問いは「どちらが強いか」ではなく、**難しい枝と量の枝をどちらに持たせるか**です。

## 実際に効くベンチマーク差

![GPT-5.4 と GPT-5.4 mini のベンチマークとワークフロー差分](https://www.aifreeapi.com/posts/ja/gpt-5-4-vs-gpt-5-4-mini/img/workflow-gap-board.png)

OpenAI の [GPT-5.4 mini and nano](https://openai.com/index/introducing-gpt-5-4-mini-and-nano/) では、次の比較が特に参考になります。

| ベンチマーク | GPT-5.4 | GPT-5.4 mini | 実務上の意味 |
|---|---:|---:|---|
| SWE-Bench Pro | 57.7% | 54.4% | GPT-5.4 が上だが、mini もかなり近い |
| Terminal-Bench 2.0 | 75.1% | 60.0% | 長い tool-heavy タスクでは差が大きい |
| Toolathlon | 54.6% | 42.9% | 複数ツール連携の安定性は GPT-5.4 が上 |
| GPQA Diamond | 93.0% | 88.0% | reasoning headroom は GPT-5.4 にある |
| OSWorld-Verified | 75.0% | 72.1% | computer use では mini も十分強い |

ここで重要なのは、GPT-5.4 mini が「弱すぎて worker にしか使えない」わけではないことです。逆に、**多くの production workflow では mini で十分な場面がかなり多い**、というのがこの比較の本質です。

ただし、難しい multi-step 作業や失敗コストの高い枝では GPT-5.4 の方が安心です。だから実務では、「全部 GPT-5.4」にするよりも「難しい枝だけ GPT-5.4」にした方がきれいに運用できることが多くなります。

言い換えると、このベンチマーク差は「全部 flagship にすべき」という意味ではありません。むしろ、**どの失敗が高くつくかを先に決めて、その枝だけを GPT-5.4 に寄せる**方が運用は安定します。

たとえば、planner が仕様を読み違えると下流 worker をまとめて壊すような構成なら GPT-5.4 の価値は高いです。一方で、単発のコード修正、要約、分類、定型 review のように再試行しやすい仕事は mini の方が全体最適になりやすいです。

## 価格・コンテキスト・スループットの差

![GPT-5.4 と GPT-5.4 mini のコスト、コンテキスト、スループット比較](https://www.aifreeapi.com/posts/ja/gpt-5-4-vs-gpt-5-4-mini/img/cost-context-throughput-map.png)

現在の [GPT-5.4 model page](https://developers.openai.com/api/docs/models/gpt-5.4) では、GPT-5.4 は次の条件です。

- Input: $2.50 / 1M
- Cached input: $0.25 / 1M
- Output: $15.00 / 1M
- Context window: 1,050,000

現在の [GPT-5.4 mini model page](https://developers.openai.com/api/docs/models/gpt-5.4-mini) では、GPT-5.4 mini は次の条件です。

- Input: $0.75 / 1M
- Cached input: $0.075 / 1M
- Output: $4.50 / 1M
- Context window: 400,000

つまり、コスト面では GPT-5.4 は mini よりかなり高いです。一方で 1.05M のコンテキストは、長いリポジトリ解析や大量の仕様書を1セッションに載せるような仕事では明確な価値があります。

ただし、GPT-5.4 のページには見落とされやすい注意点もあります。**272K input tokens を超えると、セッション全体が 2x input / 1.5x output で課金**されます。巨大コンテキストは確かに強みですが、無条件に使うべき無料ボーナスではありません。

また、公開 top-tier caps を見ると GPT-5.4 mini の方が throughput に強いのも大きなポイントです。これは、mini が worker や background jobs に向いている理由そのものです。

さらに、両方とも knowledge cutoff は **2025年8月31日** です。ここは意外に重要で、「mini は古いからダメ」という説明は現行 docs の読み方として正しくありません。

実務では、1トークンあたりの価格よりも **1件の完了コスト** で考えた方が判断しやすくなります。mini が少し多めに再試行しても、全体のキューを安くさばけるなら production default としては十分に合理的です。

逆に、巨大コンテキストを毎回そのまま渡す設計は GPT-5.4 の強みを活かしつつもコストを悪化させやすいです。難しい枝だけを長文脈で処理し、それ以外は mini に落とす設計の方が、品質とコストのバランスを取りやすくなります。

## mini はツールが弱いモデルではない

このテーマでは、ここを読み違える人が多いです。

現行 model page では、GPT-5.4 も GPT-5.4 mini も次のような広い tool surface を持っています。

- web search
- file search
- image generation
- code interpreter
- hosted shell
- apply patch
- skills
- computer use
- MCP
- tool search

つまり比較の軸は「ツールがあるか、ないか」ではなく、**同じような product surface の上で、どれだけ quality headroom を買うか**です。

それが分かると、なぜ routing 設計が重要かも見えてきます。mini でもかなり多くの仕事は回るからです。

## どんなときに GPT-5.4 にお金を払うべきか

GPT-5.4 が向いているのは、トークン差より失敗コストの方が高い場面です。

たとえば次のような仕事です。

- 大きな repo や長いドキュメントを読む
- planner / orchestrator の役割を持たせる
- multi-step で reasoning が崩れると全体が壊れる
- 顧客向けや business-critical な出力を作る

1回のミスで再実行や手戻りが大きくなるなら、その枝は GPT-5.4 に寄せた方が結果的に運用コストが下がることが多いです。

## どんなときに GPT-5.4 mini が smarter default になるか

GPT-5.4 mini が真価を出すのは、ボトルネックが quality ではなく **scale** のときです。

向いている場面は次の通りです。

- subagent / worker
- 大量の coding assistant リクエスト
- screenshot-heavy な computer use loop
- バックグラウンドの review や triage
- flagship 価格を全リクエストに払いたくない production workload

多くのチームで実際にきれいに機能するのは、次の分担です。

- GPT-5.4 を planner と難しい枝に使う
- GPT-5.4 mini を workers に使う

この設計の方が、現行 OpenAI ラインの役割分担と自然に一致します。

特に現場では、「全件 GPT-5.4 でまず安全に始めてから後で削る」よりも、最初から二段ルートで設計した方がルールがぶれません。昇格条件を先に決めておけば、mini で足りる仕事を人間の感覚で毎回判断しなくて済むからです。

運用ルールとしては、長文脈、複雑な multi-tool 分岐、顧客向け最終出力だけを GPT-5.4 に固定し、それ以外の下流処理を mini に寄せる形が分かりやすいです。この方が、チーム内でも「なぜそのモデルを使うのか」を説明しやすくなります。

さらに、運用ログを見返すと「どの枝で mini から GPT-5.4 へ昇格したか」が残るため、あとから routing ルールを改善しやすくなります。最初から単一モデルに固定するより、改善余地を可視化しやすいのも二段設計の利点です。

結果として、コスト調整と品質調整を同じルールの中で回しやすくなります。

## API / Codex の結論と ChatGPT の見え方は別の話

API と Codex の観点では話は比較的明快です。

- GPT-5.4 が主力 default
- GPT-5.4 mini が smaller / faster / cheaper branch

ただし ChatGPT では事情が違います。現行の [release notes](https://help.openai.com/en/articles/6825453-chatgpt-usage-limits) によると、2026年3月18日時点で GPT-5.4 mini は Thinking 用の経路や fallback として使われていますが、通常の selectable model として前面に出ているわけではありません。

つまり、ChatGPT で見えるモデル名から API の routing を逆算しない方がいい、ということです。

## チーム向けの実用ルール

![GPT-5.4 と GPT-5.4 mini を使い分けるためのルーティング決定木](https://www.aifreeapi.com/posts/ja/gpt-5-4-vs-gpt-5-4-mini/img/routing-decision-tree.png)

実務で使いやすいルールは次の通りです。

| ワークロード | デフォルト | 理由 | 上げ下げの目安 |
|---|---|---|---|
| Long-context repo analysis | GPT-5.4 | コンテキストと reasoning の余裕が大きい | 400K に十分収まり、強いコスト制約があるときだけ mini |
| Planner / orchestration | GPT-5.4 | 難しい分岐に強い | planner が軽いなら mini をテスト |
| Worker / subagent | GPT-5.4 mini | throughput とコストが良い | 難しいケースだけ GPT-5.4 に昇格 |
| Coding assistant at scale | GPT-5.4 mini | 十分強く、しかも安い | repair や review の難所は GPT-5.4 |

一番分かりやすい運用ルールは、**難しい枝は GPT-5.4、量を回す枝は GPT-5.4 mini** です。

## FAQ

**GPT-5.4 mini は serious coding agents に十分ですか？**

多くのケースでは十分です。SWE-Bench Pro や OSWorld-Verified でもかなり近く、コストと throughput の面で明確に有利です。

**GPT-5.4 mini はツールが少ないのですか？**

現行 model page ベースではそうではありません。大きな違いはツールの有無ではなく、quality headroom、context、cost です。

**GPT-5.4 に払う価値はありますか？**

はい。長文脈、難しい reasoning、失敗コストの高い枝ならあります。逆に、量を回すだけの処理なら mini の方が合理的です。

**1.05M context は GPT-5.4 を選ぶ最大の理由ですか？**

かなり大きい理由のひとつですが、それだけではありません。難しい tool-heavy work での安定性も重要です。

**Codex-style subagents にはどちらが向いていますか？**

多くの subagent には GPT-5.4 mini が向いています。GPT-5.4 は planner や escalation branch に置く方がきれいです。

要するに、**GPT-5.4 は難しい仕事、GPT-5.4 mini は量を回す仕事** と覚えておけば、この比較で迷う時間はかなり減ります。