GPT-5.4 Mini e Nano: L'Era dei Sub-Agent Economici

$0.20 per milione di token in input. Venti centesimi. È il prezzo di GPT-5.4 Nano, il modello che OpenAI ha rilasciato ieri con una descrizione che dice tutto: pensato per coding subagents.

Non per chatbot. Non per assistenti generici. Per sotto-agenti — quei pezzi di un sistema multi-agent che ricevono un task piccolo, lo eseguono, e restituiscono il risultato al coordinatore. Il tipo di componente che chiami centinaia di volte in un workflow e che, fino a ieri, costava troppo per essere pratico su larga scala.

Insieme a Nano arriva GPT-5.4 Mini, il modello intermedio che finisce su ChatGPT gratuito e su Codex. Due release, una strategia chiara.

Cosa Sono Mini e Nano

Il 17 marzo 2026, OpenAI rilascia due nuovi modelli nella famiglia GPT-5.4. Stessi pesi del flagship, ma compressi e ottimizzati per velocità e costo.

Tre cose saltano all'occhio.

Mini è quasi flagship. 54.4% su SWE-Bench Pro contro il 57.7% del modello completo. Tre punti percentuali di differenza per una frazione del costo e il doppio della velocità. Per la stragrande maggioranza dei task di coding, quella differenza non la noti.

Nano è solo API. Niente ChatGPT, niente interfaccia consumer. È un modello pensato per essere chiamato da altri sistemi, non da persone. OpenAI lo dice esplicitamente: classificazione, data extraction, coding subagents.

Mini arriva gratis. Su ChatGPT free e sul tier Go. OpenAI sta mettendo un modello da 54.4% SWE-Bench Pro nelle mani di 900 milioni di utenti settimanali senza chiedere un centesimo. Il motivo lo vediamo tra poco.

Coding Subagents: Perché Nano Cambia i Conti

Chi lavora con architetture multi-agent conosce il problema. Hai un agente coordinatore che orchestra il lavoro, e una serie di sotto-agenti specializzati: uno che scrive test, uno che fa refactoring, uno che analizza log, uno che valida schemi. Ogni sotto-agente è una chiamata API. Ogni chiamata API costa.

Con GPT-5 o Claude Opus come modello per ogni sotto-agente, un workflow complesso che chiama 50-100 agenti per completare un task diventa costoso in fretta. Abbastanza costoso da rendere certi pattern architetturali impraticabili fuori dai lab.

Nano cambia l'equazione. A $0.20 per milione di token in input, puoi chiamare un sotto-agente per ogni file in un repository, per ogni test case in una suite, per ogni endpoint in un'API — e il costo resta gestibile.

Il pattern che si sblocca è quello del coordinator + swarm: un modello potente (il flagship, o Mini) che ragiona, pianifica e decide, supportato da decine di modelli economici che eseguono i task atomici. Ne abbiamo parlato analizzando il tool use e le architetture dell'agentic engineering — il principio è lo stesso, ma ora il costo per sotto-agente scende di un ordine di grandezza.

Non è un dettaglio. È il tipo di cambiamento che rende fattibili architetture che prima erano solo slide in una presentazione.

La Strategia: 900 Milioni di Utenti, Un'IPO e Un Fondo da 10 Miliardi

I modelli non escono nel vuoto. Escono dentro una strategia.

OpenAI oggi ha 900 milioni di utenti settimanali, 50 milioni di abbonati consumer e 9 milioni di utenti business. Numeri che Fidji Simo, CEO della divisione Applications, sintetizza così: "Our opportunity now is to take those 900 million users and turn them into high-compute users."

Tradotto: abbiamo la base utenti più grande del settore, ora dobbiamo farli pagare di più. Mini gratis su ChatGPT è il primo passo — dai alle persone un modello abbastanza buono da creare dipendenza, poi offri il flagship e i tier premium per i casi d'uso professionali.

In parallelo, c'è un'IPO prevista per il Q4 2026 con una valutazione stimata superiore agli 830 miliardi di dollari. E una joint venture da 10 miliardi con TPG, Bain Capital, Brookfield e Advent per accelerare l'adozione enterprise.

Mini e Nano sono i mattoni di questa strategia. Mini cattura gli utenti consumer e li porta nell'ecosistema. Nano cattura gli sviluppatori enterprise che costruiscono sistemi complessi e hanno bisogno di modelli economici per i task ripetitivi. Entrambi generano volume, e il volume è quello che mostri agli investitori prima di un'IPO.

Già Live su OpenRouter

Mini e Nano sono già disponibili su OpenRouter dal 18 marzo. Per chi usa framework come LangChain, CrewAI, o Autogen, significa che puoi iniziare a sperimentare subito con il pattern coordinator + subagents.

Il setup pratico è semplice: il tuo agente principale usa GPT-5.4 (o Mini, o Claude, o qualsiasi modello potente) per il ragionamento e la pianificazione. I sotto-agenti usano Nano per l'esecuzione. La differenza la vedi nella fattura a fine mese.

Cosa Significa per Chi Sviluppa

Tre implicazioni concrete.

I sistemi multi-agent diventano economicamente sostenibili. Il collo di bottiglia dei pattern coordinator + swarm non è mai stato tecnico — è sempre stato economico. A $0.20/M token in input, il costo di un sotto-agente diventa paragonabile a una chiamata API qualsiasi. Questo sblocca architetture che fino a ieri erano riservate a chi aveva budget da ricerca.

La scelta del modello diventa una decisione architetturale. Non "quale modello uso" ma "quale modello uso per ogni componente". Il coordinatore potrebbe essere Opus. Il planner potrebbe essere GPT-5.4. Gli esecutori potrebbero essere Nano. Ogni layer del sistema ha un profilo costo/capacità diverso, e scegliere il modello giusto per ogni ruolo diventa parte del design.

Il vendor lock-in si allenta. Con Mini su OpenRouter e Nano accessibile via API standard, diventa naturale costruire sistemi dove il coordinatore è di un provider e i sotto-agenti di un altro. L'interoperabilità non è più un ideale — è un pattern che ha senso economico.

OpenAI ha appena reso i sotto-agenti un commodity. Quello che fai con quella commodity — la qualità dell'orchestrazione, la robustezza della verifica, l'intelligenza del coordinatore — è dove si gioca la partita vera.

Fonti:

1. Introducing GPT-5.4 Mini and Nano — OpenAI Blog
2. OpenAI announces GPT-5.4 Mini and Nano — 9to5Google
3. OpenAI preps for IPO, says ChatGPT must be productivity tool — CNBC