GPT-5.4 Nano

Mit einem Gesamtscore von 71.78% tritt GPT-5.4 Nano als das auf, was seine Einordnung erwarten lässt: ein generalistisches, dichtes Nano-Modell mit starkem Instruct-Reflex, klar auf günstige Cloud-Arbeit über die OpenAI-API getrimmt. Der Speed-Profile-Badge „Real-Time DevOps Expert“ passt erstaunlich gut: Das Modell ist schnell, oft präzise genug und selten verschwenderisch, aber bei Tiefe und letzter Sicherheit merkt man ihm die kleine Bauform an. Es ist kein Denker, kein großer Stilist und kein Security-Orakel. Es ist ein flinkes Arbeitstier für Standardlasten. Sovereign Risk: HIGH — OpenAI unterliegt als US-Anbieter dem CLOUD Act; die Verarbeitung erfolgt unter US-Jurisdiktion ohne echte europäische Souveränitätsgarantie.

Kopfnoten: Stabilität und Zuverlässigkeit

Dass diese Kopfnoten bei einem kommerziellen Cloud-Modell so sauber ausfallen, ist nicht banal. Viele API-Modelle sind schnell im Mittel und nervös im Randbereich. GPT-5.4 Nano streut hier kaum. Für Agenten-Workflows, Klassifikation, Extraktion und andere hochvolumige Standardaufgaben ist genau das Gold wert. Noch wichtiger: Diese Stabilität passt zum Nano-Anspruch. Wer ein kleines Modell einkauft, will keinen kleinen Preis mit großem Drama.

Architektur, Anspruch und was man fairerweise erwarten darf

Die Vorab-Klassifikation trifft den Kern ziemlich gut. General heißt hier: kein Spezialist, sondern ein Modell, das auf Breite optimiert ist. Instruct bedeutet: direkte Befehlsausführung, knappe Antworten, wenig Hang zur Ausschweifung. Multimodal ist ebenfalls relevant, auch wenn CrucibleMark überwiegend Textkompetenz misst. Das Benchmark-Bild zeigt also nur einen Teil der tatsächlichen Produktfigur. Wer GPT-5.4 Nano für Bild-Text-Aufgaben einsetzt, bekommt in diesem Test keine vollständige Aussage über seine visuelle Kompetenz.

Dazu kommt die zweite Kalibrierung: Nano und Dense. Nano heißt in diesem Rahmen: sehr kleine Modellklasse, gedacht für einfache bis mittlere Aufgaben, nicht für philosophisches Schach über zehn Züge. Dense heißt: Die gesamte Kapazität ist bei jeder Antwort aktiv; es gibt keinen Expertentrick, der kleine aktive Modelle größer aussehen lässt. Entsprechend sollte man GPT-5.4 Nano nicht daran messen, ob es Frontier-Modelle entthront. Die richtige Frage lautet: Wie viel Arbeitswert holt OpenAI aus einem kleinen, billigen Cloud-Modell heraus? Die Antwort ist: erstaunlich viel, aber nicht ohne scharf sichtbare Grenzen.

Performance und Kostenprofil

Die nackten Geschwindigkeitsdaten sind für Cloud-Modelle nur im Zusammenspiel mit Preis und Verlässlichkeit sinnvoll. GPT-5.4 Nano liefert laut Leaderboard 116.41 Tokens pro Sekunde. Das ist für interaktive Nutzung mehr als ausreichend und erklärt den Badge „Real-Time DevOps Expert“: Das Modell ist auf unmittelbare, produktionsnahe Reaktion ausgelegt, nicht auf langes Grübeln im Hintergrund. Zusammen mit den Kosten von 0,2 Dollar pro 1 Million Input-Tokens und 1,25 Dollar pro 1 Million Output-Tokens entsteht ein Profil, das klar auf Volumen zielt. Für 49.5K Tokens Gesamtverbrauch lag der Benchmarkpreis bei 0.0619 Dollar. Das ist kein Luxusmodell, sondern ein Verbrauchsartikel mit Hirn.

Ebenso wichtig: GPT-5.4 Nano verhält sich token-ökonomisch. Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Im Gegenteil: Bei Content Transformation, Cultural Intelligence und UX Writing liegt das Modell klar unter dem Fleet-Median; selbst im Reasoning bleibt es mit durchschnittlich 639 Output-Tokens deutlich unter dem Median von 1185. Das ist keine Nebensache. Bei einem Cloud-Modell ist Kürze nicht nur Stil, sondern Rechnungswesen. GPT-5.4 Nano schreibt meist so viel wie nötig, nicht so viel wie möglich. Das klingt trivial, ist es aber nicht.

Code Quality und Security: überraschend belastbar, aber nicht unfehlbar

Das stärkste Signal des Modells kommt ausgerechnet dort, wo kleine Allrounder oft weich werden: Code Quality Audit 74.92, dazu ein qualitativ überzeugender Security-Befund. In der dokumentierten PHP-Sicherheitsanalyse erkennt GPT-5.4 Nano 26 Schwachstellen, darunter alle fünf implizit versteckten Kernprobleme. Das ist keine Showleistung, sondern solide technische Arbeit. Vor allem die klare Tabellenstruktur, die knappen Fix-Vorschläge und die saubere Priorisierung zeigen den Instruct-Charakter im besten Sinn: kein Roman, sondern ein brauchbares Arbeitsdokument.

Besonders stark ist, dass das Modell nicht nur die offensichtlichen Klassiker wie SQL Injection, Klartext-Passwörter oder Session Fixation abräumt, sondern auch stillere Risiken wie Path Traversal, IDOR und Mail Header Injection sauber adressiert. Die Fixes bleiben kurz, aber praktisch. Für Security-Reviews im Team, für Pull-Request-Kommentare oder als erste Audit-Schicht taugt das.

Ganz frei von Kratzern ist das Bild nicht. Der Judge vermerkt drei Severity-Fehleinstufungen: Type Juggling wird zu weich bewertet, XSS ebenfalls, Mail Header Injection eher zu hart. Dazu fehlt bei fortgeschritteneren Themen etwas Tiefenschärfe, etwa der explizite Verweis auf Magic-Hash-Kollisionen oder Timing-Angriffe. Das ist der Punkt, an dem man die Nano-Herkunft spürt. GPT-5.4 Nano erkennt den Einbruch, aber es zeichnet nicht immer den vollständigen Lageplan. Für operative Security-Hygiene ist das okay. Für wirklich kritische Audits sollte ein größeres Modell oder ein menschlicher Spezialist nachsehen.

CLI und Tool-Nähe: schnell, brauchbar, aber nicht blind vertrauenswürdig

Der CLI-Wert von 83.33 ist stark. GPT-5.4 Nano versteht operative Aufgabenstellungen gut genug, um im DevOps-nahen Alltag nicht wie ein Praktikant mit Root-Rechten zu wirken. Das passt zum Speed-Profil und zur Rolle als günstiger Sub-Agent. Gerade bei kompakten Shell-bezogenen Aufgaben zahlt sich die knappe, instruktionsnahe Art aus.

Aber der Tool-Bereich trägt auch den kritischsten Einzelbefund des gesamten Reviews. In einer Tool-Use-Aufgabe trat eine Halluzination auf: Das Modell generierte Inhalte, die nicht aus dem tatsächlich abgerufenen Tool-Ergebnis stammten. Der P2-Score wurde deshalb durch ein Halluzinations-Cap begrenzt. Das ist kein Schönheitsfehler und auch kein bloßes Missverständnis. In content-kritischen Workflows, Rechercheketten oder automatisierten Berichten ist so etwas disqualifizierend. Gerade weil GPT-5.4 Nano sonst so effizient und schnell wirkt, ist diese Stelle wichtig: Es kann einen glaubwürdig aussehenden falschen Satz schneller liefern, als man „Retry“ sagen kann.

Für einfache Tool-orchestrierte Aufgaben bleibt das Modell interessant. Für alles, was belastbare Fakten aus externen Quellen extrahieren und unverfälscht wiedergeben muss, gehört eine Verifikation in die Pipeline. Ohne Wenn und Aber.

Reasoning und Logik: funktionsfähig, aber ohne den langen Atem

Im Bereich Logical Reasoning steht am Ende ein Wert von 67.03. Das ist für ein Nano-Modell respektabel, aber die Qualität ist klar begrenzt. Das qualitative Protokoll zeigt ein typisches Muster: GPT-5.4 Nano findet bei einem klassischen Wächterrätsel eine mathematisch gültige Alternativlösung, erklärt sie aber weniger sauber als die Referenz. Das Modell kommt also oft am Ziel an, aber nicht immer über den besten Weg. Es hat Lösungssinn, aber keine didaktische Eleganz.

Entscheidender ist jedoch die Formatfrage.

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 Niveau anderer Modelle 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 hier nicht primär logisch kollabiert, sondern politurbedingt widerspenstig. Für Anwender heißt das: Wenn die Aufgabe reine Denkleistung verlangt, ist das Modell brauchbar. Wenn die Aufgabe zusätzlich starre Meta-Formate fordert, kann es sich querstellen. Gerade bei Nano-Modellen ist diese Schwäche nicht ungewöhnlich. Mehrstufige Anforderungen aus Inhalt, Stil, Format und Selbstoffenlegung sind für kleine Instruct-Modelle oft die erste Sollbruchstelle.

Content Transformation: überraschend ordentlich, aber ohne Feinschliff

Mit 79.16 gehört Content Transformation zu den stärkeren Modulen. Das Beispiel eines 2FA-Videoskripts zeigt ziemlich gut, warum. GPT-5.4 Nano liefert ein vollständiges, funktionales Skript mit Zeitmarken, Sprechertext, Produktionshinweisen, Troubleshooting, CTA und Easter Egg. Vor allem die Vollständigkeit verdient Respekt. Viele kleine Modelle zerlegen so eine Mehrfachanforderung in halbgare Fragmente. Dieses hier bringt das Paket zu Ende.

Die Schwächen liegen im Feintuning. Die Analyse vor dem Umschreiben ist eher komprimiert als systematisch. Die Produktionshinweise sind funktional, aber nicht auf dem Detailniveau einer echten Regievorlage. Hook und Pattern Interrupt funktionieren, aber ohne die emotionale Präzision eines stärkeren Redaktionsmodells. Auch der Easter Egg ist vorhanden, aber strategisch eher brav als clever. Das Resultat ist arbeitsfähig, nur eben nicht meisterhaft. Ein B-Plus mit Werkzeugcharakter, kein viraler Textarchitekt.

Documentation Quality: ordentlich im Stoff, nicht glänzend im Ausdruck

Der Wert von 72.53 zeigt ein Modell, das Dokumentation brauchbar erzeugt, aber selten zu den Antworten gehört, die man aus ästhetischem Vergnügen aufhebt. GPT-5.4 Nano ist in dieser Disziplin der typische gute Angestellte: strukturiert, vernünftig, selten inspirierend. Für Handreichungen, interne Erklärtexte, FAQ-Entwürfe und technische Kurzaufschriebe ist das völlig in Ordnung.

Man merkt auch hier die Instruct-DNA. Das Modell produziert keine monumentalen Abhandlungen, sondern bleibt bei der Sache. Das ist bei einem Cloud-Modell mit Output-Kosten eher Tugend als Mangel. Wer hingegen Dokumentation mit strategischer Tiefenschärfe, feiner Priorisierung und exzellentem didaktischem Aufbau sucht, wird zu größeren Modellen greifen müssen.

UX Writing und Cultural Intelligence: kompetent, aber nicht elegant

Im UX-Writing landet GPT-5.4 Nano bei 67.15. Das ist die Art Score, die man einem kleinen OpenAI-Modell sofort glaubt: brauchbar, aber nicht sonderlich musikalisch. Der qualitative Eindruck aus dem Cultural-Intelligence-Protokoll passt dazu. Das Modell kann toxische Begriffe entfernen, genderneutral formulieren und sauber auf Deutsch schreiben. Es versteht also die Aufgabe, und zwar ohne peinliche Ausrutscher. Das ist die Mindestanforderung. Es erfüllt sie.

Was fehlt, ist sprachliche Souveränität. In der konkreten Stellenanzeigen-Aufgabe war die Formulierung funktional korrekt, aber weniger idiomatisch und weniger präzise als die Referenz. Ein Wort wie „Persönlichkeit“ klingt dort breiter und diffuser als „Fachkraft“. Dazu kommt eine leichte Neigung zu Formulierungen, die zwar nett gemeint sind, aber den Satz nicht schärfer machen. GPT-5.4 Nano textet hier wie ein pflichtbewusster Mitarbeiter der Kommunikationsabteilung, nicht wie jemand, der Sprache wirklich liebt. Das ist kein Totalschaden. Es ist nur kein Stilversprechen.

Auch der Cultural-Intelligence-Wert von 64.12 ist entsprechend zu lesen. Das Modell ist im Deutschen solide und in inklusiver Sprache brauchbar, verliert aber bei Feinheiten der kulturellen Idiomatik und Tonlage Punkte. Für Templates, erste Entwürfe und standardisierte Kommunikation reicht das. Für markensensible Außenkommunikation ist Nachbearbeitung Pflicht.

Halluzinationen: ein eigener Problemfall, nicht bloß statistisches Rauschen

Der bereits erwähnte Tool-Use-Verstoß zwingt zu einem eigenen Urteil über Halluzinationsresistenz. GPT-5.4 Nano ist insgesamt kein Fantast im klassischen Sinn. Es wirkt meist kontrolliert, knapp und aufgabenbezogen. Gerade deshalb fällt der dokumentierte Halluzinationsfall stärker ins Gewicht. Wenn ein Modell in einem toolgestützten Asset Inhalte erfindet, die gerade dort aus realen Abrufdaten stammen müssten, trifft das den Kern der Vertrauensfrage.

Das Problem ist nicht, dass GPT-5.4 Nano ständig Unsinn redet. Das Problem ist, dass seine Zuverlässigkeit in faktensensiblen Tool-Ketten nicht absolut ist. Für Chat, Zusammenfassungen und Standardautomatisierung ist das beherrschbar. Für Compliance-nahe Reports, OSINT-artige Aufgaben oder automatisierte Recherchezusammenfassungen ist es eine rote Linie.

Datenschutz und Datenhoheit

Für europäische Unternehmen ist GPT-5.4 Nano datenschutzrechtlich kein gemütlicher Standardfall, sondern ein bewusstes Risiko-Management-Thema. Das berechnete Sovereign Risk liegt bei HIGH, begründet durch die Kombination aus US-Modellanbieter und US-Provider-Jurisdiktion. OpenAI sitzt in San Francisco, USA, es gilt US-Recht einschließlich CLOUD Act. Das bedeutet konkret: US-Behörden können unter bestimmten Voraussetzungen Zugriff auf Daten verlangen, auch wenn diese organisatorisch geschützt oder vertraglich eingehegt sind.

Der angegebene Datenstandort ist USA, die Datenspeicherung beträgt 30 Tage. Positiv ist, dass eine GDPR DPA verfügbar ist. Für Unternehmen mit DSGVO-Pflichten ist das die Mindestvoraussetzung, um den Einsatz überhaupt vernünftig vertraglich abzubilden. Es beseitigt aber nicht das Souveränitätsproblem. Die Verarbeitung bleibt unter US-Recht. Das ebenfalls mit MEDIUM bewertete Weights-Provenienz-Risiko weicht davon nicht grundsätzlich ab, sondern bestätigt nur die gleiche Richtung: Bei OpenAI-API-Nutzung verlassen Eingabedaten das eigene Netz, und der Rechtsraum ist amerikanisch. Für unverfängliche Standarddaten ist das handhabbar. Für sensible Kunden-, Gesundheits-, Personal- oder Geheimhaltungsdaten ist es eine Entscheidung, die man nicht aus Bequemlichkeit treffen sollte.

Fazit

GPT-5.4 Nano ist ein kleines kommerzielles Cloud-Modell mit bemerkenswert klarer Berufsauffassung. Es will nicht alles sein. Es will schnell, billig, stabil und hinreichend kompetent sein. Genau darin liegt seine Qualität. Mit 71.78% liefert es für ein generalistisches Nano-Dense-Modell eine erwachsene Gesamtleistung: starke Code- und CLI-Nähe, gute Content-Transformation, ordentliche Dokumentation, sparsame Token-Nutzung und eine API-Performance, die ihren Real-Time-Anspruch tatsächlich einlöst.

Die Kehrseite ist ebenso klar. Reasoning ist brauchbar, aber nicht tief. Sprachliche Eleganz ist knapp rationiert. Cultural Fit gelingt technisch besser als stilistisch. Und die eine dokumentierte Tool-Halluzination ist kein Detail, sondern eine Einsatzgrenze. Wer GPT-5.4 Nano für Klassifikation, Extraktion, Ranking, Vorstrukturierung, Security-Checklisten, DevOps-Helferlein oder günstige Sub-Agenten einsetzt, bekommt viel Wert pro Dollar. Wer damit kritische Faktenpipelines, anspruchsvolle Außenkommunikation oder sicherheitsrelevante Endentscheidungen automatisieren will, spart am falschen Ende. GPT-5.4 Nano ist kein Blender. Es ist ein gutes, kleines Arbeitsmodell mit klarem Nutzwert und ebenso klaren Grenzen. Gerade das macht es glaubwürdig.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.