GPT-5.4 Nano

Mit einem Gesamtscore von 68.07% zeigt GPT-5.4 Nano sehr klar, was es sein will: kein intellektueller Schwerathlet, sondern ein billiger, schneller Cloud-Arbeiter für viel Kleinkram. Als Generalist mit Instruct-Charakter, Vision-Fähigkeit, Frontier-Einstufung und dichter Architektur ist es im Benchmark ein merkwürdig asymmetrisches Modell: flott, gehorsam, oft brauchbar, aber in Logik, Security-Tiefe und Tool-Verlässlichkeit zu oft einen Schritt zu klein. Der Lauf erfolgte über die OpenAI-API im werksseitigen Standardverhalten des Endpunkts; einen umschaltbaren Thinking-Modus gibt es hier nicht. Sovereign Risk: MEDIUM: OpenAI ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Bei API-Nutzung verlassen Eingabedaten das lokale Netz – behördlicher Zugriff auf verarbeitete Daten ist rechtlich möglich.

Kopfnoten: Stabilität und Zuverlässigkeit

Stabilität ist hier kein Nebenaspekt, sondern ein zentrales Verkaufsargument. GPT-5.4 Nano erlaubt sich im gesamten Lauf keinen einzigen Aussetzer. Für ein kommerzielles Cloud-Modell ist das keine Kür, sondern Pflicht. Trotzdem muss man es sagen, weil genug API-Modelle an genau dieser Pflicht scheitern. Auch die Ausreißer am langen Ende bleiben kurz genug, um interaktive Nutzung nicht zu sabotieren. Wer einen Endpunkt für Klassifikation, Umschreiben, Sortieren und andere agentische Hilfsarbeit sucht, bekommt hier einen verlässlichen Taktgeber statt einer Diva.

Architektur und Einordnung

Die vorab vergebene Kategorie passt. GPT-5.4 Nano ist erkennbar ein General-Modell, kein Spezialwerkzeug. Es versucht, über die gesamte Aufgabenbreite hinweg ordentlich zu funktionieren, statt in einem Segment alles zu pulverisieren. Der Instruct-Tag ist sogar noch prägender: Das Modell antwortet knapp, zielgerichtet und in der Regel ohne die ausufernde Selbstbespiegelung, die andere Systeme gern mit Denken verwechseln. Das spart Zeit, spart Tokens und erklärt zugleich, warum komplexe Logikaufgaben gelegentlich zu schnell abgebogen werden.

Der dritte Tag, Vision-Capable, ist wichtig, schränkt die Aussagekraft dieses textlastigen Benchmarks aber ein. GPT-5.4 Nano kann Bild- und Texteingaben verarbeiten, doch CrucibleMark misst hier vor allem die Textseite des Modells. Wer aus diesen Ergebnissen auf die gesamte multimodale Qualität schließen will, schaut nur auf die halbe Maschine. Das ändert nichts daran, dass OpenAI dieses Modell klar als günstige API-Option für hochvolumige Standardaufgaben positioniert. Mit 272K Kontextfenster, Frontier-Klasse und Dense-Architektur sind die Erwartungen hoch. Nicht wegen offengelegter Parameterzahlen, sondern weil proprietäre Datacenter-Modelle dieser Klasse im Benchmark die Referenz bilden.

Tempo, Kosten und Charakter

Der Speed Profile Badge lautet Real-Time Content Adapter. Das ist ein treffendes Etikett. GPT-5.4 Nano ist kein Modell für langsame, majestätische Denkbögen, sondern für Situationen, in denen Text schnell in eine andere Form gebracht werden soll: knapper, klarer, umgeschrieben, strukturiert, tonal passend gemacht. Die Generierungsgeschwindigkeit ist qualitativ sehr hoch, und genau das macht den Endpunkt in der OpenAI-API attraktiv. Nicht rohe Brillanz, sondern Reaktionsfreude bei niedrigen Kosten.

Auch das Preisbild passt zu diesem Charakter. Mit 0,2 Dollar pro Million Eingabetokens und 1,25 Dollar pro Million Ausgabetokens kauft man hier keinen Universalgelehrten, sondern einen schnellen Sachbearbeiter. Immerhin einen, der token-ökonomisch arbeitet: Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Das ist im API-Alltag mehr als eine nette Fußnote. Weniger unnötiger Text bedeutet weniger Kosten bei gleicher Aufgabe. GPT-5.4 Nano redet nicht um sein Geld herum.

Code Quality und Security: brauchbar, aber nicht scharf genug

Im Code-Quality-Modul landet GPT-5.4 Nano bei 71.44%. Das ist kein schlechtes Ergebnis, aber es verrät den Charakter des Modells ziemlich präzise. Es erkennt viele klassische Schwachstellen zuverlässig, liefert eine saubere Markdown-Tabelle und bleibt formal diszipliniert. SQL Injection, XSS, Session Fixation, Path Traversal, schwache Token-Generierung, unsichere Admin-Prüfung, IDOR und CSRF wurden erkannt. Für erste Audits, Triage und strukturierte Aufbereitung reicht das.

Was fehlt, ist die zweite Schicht. Der Judge beschreibt Redundanzen, unscharfe Kategorisierung und eine gewisse Neigung, dieselbe Schwachstelle unter leicht anderem Licht mehrfach zu zählen. Aus 19 präzise erwarteten Punkten werden 28 Einträge, und Quantität ist hier kein Qualitätsbeweis. Sicherheitsanalyse ist kein Wimmelbild. Besonders bei impliziten Lücken, also den weniger offensichtlichen Angriffspfaden, wirkt GPT-5.4 Nano eher wie ein fleißiger Praktikant als wie ein erfahrener Auditor. Es sieht viel, gewichtet aber nicht hart genug und erzählt keine sauberen Angriffsketten.

Genau das ist der Knackpunkt für Security-Arbeit in der Praxis. Wer nur wissen will, ob es irgendwo brennt, bekommt brauchbare Hinweise. Wer verstehen will, wie ein Angreifer aus mehreren mittleren Schwächen einen echten Einbruch baut, muss nacharbeiten. Das Modell bietet Fixes, aber die Analyse bleibt zu oft auf Listen-Niveau. Sicherheit ist jedoch keine Inventur, sondern Kausalität.

Reasoning und Logik: zu schnell zufrieden mit der eigenen Idee

Im Logikbereich erreicht GPT-5.4 Nano 67.03%. Das ist die Art Wert, die unspektakulär aussieht und im Detail aufschlussreich wird. Das Modell scheitert in einem exemplarischen Metakognitions-Test nicht an Sprache oder Struktur, sondern am Kern der Aufgabe. Beim klassischen Wächterrätsel wählt es die falsche Frage, erklärt sie sauber und liegt trotzdem daneben. Das ist die gefährlichste Form des Fehlers: nicht wirr, sondern falsch mit Selbstvertrauen.

Metakognitions-Compliance (Reasoning): Das Modell verweigert in 3/5 metacog-Tests die Nutzung der explizit angeforderten <thought>-Tags mit einer konsistenten Policy-Aussage. Die Reasoning-Inhalte sind dabei inhaltlich teilweise korrekt — der Score-Abzug resultiert aus der Format-Verweigerung, nicht aus Denkfehlern. Zum Vergleich: In den tag-freien reasoning_5*-Tests erzielt das Modell einen Durchschnittsscore von ca. 67%, was dem allgemeinen Leistungsniveau dieses Laufs entspricht. CrucibleMark bewertet bewusst die native Zero-Shot-Instruktions-Compliance als reales Alltagsmerkmal — dieser Abzug ist methodisch gewollt.

Das ist ein wichtiger Unterschied. GPT-5.4 Nano ist nicht einfach dumm. Es ist instruktionsstark, aber reasoning-flach. Sobald eine Aufgabe Fallunterscheidung, Gegenprüfung und logische Spiegelung verlangt, neigt das Modell dazu, die erste plausible Struktur zu akzeptieren und sie sprachlich gut auszuformulieren. Für einfache Schlussketten reicht das. Für Aufgaben, in denen eine kleine Verdrehung die ganze Lösung kippt, wird es heikel. Gerade weil die Oberfläche so ordentlich ist.

UX Writing: ordentliches Handwerk ohne viel Glanz

Im UX-Writing-Bereich steht ein Wert von 69.45%. Das passt. GPT-5.4 Nano kann strukturieren, vereinfachen und schrittweise aufdröseln. Der qualitative Befund zeigt eine korrekte Tabelle, knappe Schritte und gute Progressive Disclosure. Das Modell weiß also, wie man Informationen in kleine, verdauliche Portionen zerlegt. Für Hilfetexte, Onboarding-Hinweise, Microcopy-Überarbeitungen und ähnliche Alltagsarbeit ist das nützlich.

Was man nicht erwarten sollte, ist besondere Eleganz. Die Rule-based-Werte sprechen Bände: Format sitzt, Fehlersuche und Lösungstiefe bleiben schwach. Das Modell baut brauchbare Leitplanken, aber selten die Formulierung, die ein Produkt plötzlich leichter wirken lässt. Es ist in diesem Modul eher solide Gebrauchsgrafik als gute Editorial-Illustration.

Content Transformation: die stärkste Disziplin

Mit 79.68% ist Content Transformation das beste größere Kompetenzfeld von GPT-5.4 Nano, und das überrascht nicht. Der Speed-Badge hat es schon angekündigt. In der geprüften Skript-Umbau-Aufgabe liefert das Modell auf Deutsch, vollständig, mit sauberer Zeitstruktur, guten Produktionshinweisen, direkter Ansprache und ausreichender Dichte an visuellen Cues. Hook, Pattern Interrupt, Retention-Haken, CTA und sogar zusätzliche Editor-Hinweise sind vorhanden. Das ist mehr als bloße Pflichterfüllung.

Der Judge kritisiert vor allem Veredelungsfragen: Die Analyse ist weniger strukturiert als die Referenz, der Hook emotional flacher, das Easter Egg zu vage, die Warum-Erklärungen etwas knapp. Das ist berechtigte Kritik. Aber sie beschreibt ein Produkt, das schon einsatzfähig ist und durch kleine redaktionelle Korrekturen besser wird. Genau hier ist GPT-5.4 Nano in seinem Element. Es verwandelt Rohmaterial zuverlässig in eine neue, brauchbare Form. Nicht brillant, aber produktiv.

Cultural Intelligence: korrekt, höflich, etwas generisch

Im Cultural-Intelligence-Modul landet GPT-5.4 Nano bei 67.04%, obwohl der gezeigte Einzeltest deutlich stärker ausfällt. Das deutet auf insgesamt ordentliche, aber nicht durchgehend feine Leistung. Im protokollierten Beispiel zur Entgiftung einer toxischen Stellenanzeige macht das Modell fast alles richtig: vollständig auf Deutsch, genderneutral, professionell, ohne erklärenden Ballast. Es entfernt Giftbegriffe sauber und landet stilistisch im deutschen HR-Alltag.

Die Schwäche liegt in der semantischen Umdeutung. Die Referenz bewahrt Energie, Mut und Marktbezug, ohne ins Macho-Vokabular zurückzufallen. GPT-5.4 Nano wählt die sicherere, glattere Formulierung. Das Resultat ist korrekt, aber etwas entkernt. Das Muster kennen wir inzwischen: Das Modell bevorzugt die konservative, robuste Antwort vor der präzise transformierten. Für viele Unternehmen ist das akzeptabel. Für Kommunikation, die zugleich sensibel und lebendig sein soll, fehlt etwas sprachliche Spannung.

Tool-Use und Halluzinationen: der rote Fleck im Profil

Das eigentliche Problemfeld von GPT-5.4 Nano ist nicht Schreiben, sondern Verlässlichkeit bei toolbasierten Aufgaben. Der ToolUse-Wert von 46.67% und der Synthesis-Wert von 48.71% sind deutlich schwächer als die übrigen Module. Das ist kein Ausrutscher, sondern ein Charakterzug.

In einer Tool-Use-Aufgabe trat eine harte Halluzinationsverletzung auf: Das Modell generierte Inhalte, die nicht aus dem abgerufenen Tool-Ergebnis stammten, sondern erfunden waren. Der P2-Score wurde deshalb durch ein Halluzinations-Cap begrenzt. Für content-kritische Aufgaben wie Recherche, Faktenaufbereitung oder Berichte ist das ein disqualifizierendes Signal. An genau dieser Stelle darf ein Assistenzmodell nicht kreativ werden. Wer aus Tool-Output Tatsachen ableitet, braucht Buchhaltung, keine Improvisation.

Das relativiert das gesamte Modellbild. GPT-5.4 Nano ist schnell, günstig und oft nützlich. Aber sobald externer Abruf, faktenkritische Verdichtung und saubere Herkunftstreue gefragt sind, wird aus Effizienz schnell Risiko. Dieses Modell spart Kosten. Es spart leider gelegentlich auch an epistemischer Disziplin.

CLI und Dokumentation: keine Katastrophe, kein Anlass zu Ehrfurcht

Die Zahlen für CLI Benchmark mit 78.67% und Documentation Quality mit 67.85% zeichnen ein vertrautes Bild. Bei knapper, direktiver Arbeit mit klarer Aufgabe performt GPT-5.4 Nano ordentlich. Das passt zum Instruct-Profil. Sobald jedoch mehr Kontext, technische Abwägung oder dokumentarische Tiefe gefragt ist, fällt die Leistung auf ein durchschnittliches Niveau zurück. Das ist nicht dramatisch, aber im Frontier-Feld eben auch nicht besonders beeindruckend.

Die gute Nachricht bleibt die Effizienz. Die Token-Nutzung ist in allen gemessenen Modulen unter dem Fleet-Median. GPT-5.4 Nano schreibt selten zu viel. Die schlechte Nachricht ist, dass Kürze fehlende Tiefe nicht magisch in Präzision verwandelt.

Datenschutz und Datenhoheit

Die Datenschutzlage ist für europäische Unternehmen klar einzuordnen und nicht folgenlos. Das berechnete Sovereign Risk liegt bei MEDIUM. Grund ist die Kombination aus OpenAI als US-Anbieter und der Verarbeitung unter US-Recht einschließlich CLOUD Act. Das bedeutet konkret: US-Behörden können unter bestimmten Voraussetzungen Zugriff auf verarbeitete Daten verlangen, auch wenn europäische Kunden vertragliche Schutzmechanismen nutzen.

Laut Vendor Card ist der Datenstandort USA, die Datenspeicherung beträgt 30 Tage, und eine GDPR DPA ist verfügbar. Für Unternehmen mit DSGVO-Pflichten ist das besser als gar keine vertragliche Absicherung, aber keine Souveränitätslösung. Auch das Weights-Provenienz-Risiko ist mit MEDIUM benannt, ebenfalls wegen der US-Jurisdiktion und der reinen API-Nutzung. Wer personenbezogene, vertrauliche oder regulatorisch heikle Inhalte verarbeitet, sollte GPT-5.4 Nano nur nach sauberer Datenschutzprüfung und mit entsprechendem Datenfilter einsetzen.

Fazit

GPT-5.4 Nano ist ein klar konturiertes Modell. Über die OpenAI-API liefert es als kommerzielles Cloud-Modell ein sehr schnelles, stabiles und günstiges Profil für Standardaufgaben, Umformulierungen, Klassifikation, Extraktion und redaktionelle Umbauten. Als General- und Instruct-System macht es genau das, was man von dieser Kombination erwartet: Es folgt Anweisungen zügig, bleibt token-ökonomisch und verliert selten Zeit an Selbstinszenierung. Als vision-fähiger Generalist ist es zudem breiter aufgestellt, als dieser Textbenchmark vollständig abbilden kann.

Seine Schwächen sind aber zu konkret, um sie als bloße Kleinigkeit abzutun. Reasoning ist anfällig für elegante Kurzschlüsse. Security-Analysen sind brauchbar, aber nicht scharf genug für tiefes Audit. Und die Halluzination in einer Tool-Use-Aufgabe ist kein kosmetischer Fleck, sondern ein Warnsignal für jeden faktensensiblen Workflow. Wer GPT-5.4 Nano als schnellen Transformator und günstigen Sub-Agenten einsetzt, bekommt viel praktischen Nutzen pro Dollar. Wer es als verlässlichen Rechercheur, Sicherheitsanalysten oder logischen Endentscheider einplant, verwechselt Tempo mit Urteilskraft. Dieses Modell ist ein guter Mitarbeiter für den Maschinenraum. Den Leitstand sollte man ihm nicht überlassen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.