gpt-5-nano API 国内调用与价格(2026)

参考价按当前渠道倍率折算、含服务费,实际以定价页实时显示为准;不同档位的渠道来源与稳定性不同,高稳定需求建议选官转档位(逆向与官转的区别)。数据更新于 2026-08-25。

每天要给 50 万条用户评论打情感标签,该用什么模型?这类「单条价值低、总量巨大」的任务,就是 gpt-5-nano 的主场。它是 GPT-5 家族里最小的一档,nano 后缀已经说明一切:把单次调用成本压到极限,专门消化海量简单任务。

档位虽低,能力面并不残缺:站内标签显示对话、识图、工具调用、思考模式都在,多模态输入照收。云雾API 站内累计调用量超过 260 万次,走 openai-response 端点,多档渠道可选,详见下方价格表。

价格详情

该模型支持提示词缓存,缓存命中部分按输入价约 10% 计费,长系统提示词场景可显著降本。

同系列模型价格对比

适用场景

• 海量分类与打标:情感分析、意图识别、内容审核初筛,量再大成本也扛得住
• 结构化抽取:从文本里抽字段、抽实体,输出 JSON 直接交给下游程序
• 前置分流:客服系统先用 nano 判断问题类型,再决定是否升级到大模型处理
• 轻量识图:简单图像分类、截图内容粗筛,不追求精细理解的场景

接入代码(OpenAI 兼容)

任何 OpenAI SDK 只改 base_url 一行即可切换到中转接口,模型名填 gpt-5-nano:

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的令牌",
    base_url="https://v2.cloudmist.cloud/v1"
)
resp = client.chat.completions.create(
    model="gpt-5-nano",
    messages=[{"role": "user", "content": "你好"}]
)
print(resp.choices[0].message.content)

curl、Node.js 及更多客户端写法见 base_url 配置详解。

选型与接入建议

选型逻辑很简单:容错率决定档位。规则明确、错一条无所谓的任务用 nano;涉及用户直接可见的生成内容,升到 gpt-5-mini,质量差距肉眼可见。对比上一代 gpt-4o-mini:定位相近,新项目直接用 nano 起步即可。需要复杂推理时别硬撑,直接换 gpt-5 或 gpt-5.1。

接入注意:站内仅提供 openai-response 端点,自研调用按 Responses API 格式发请求;OpenAI 兼容 SDK 的 base_url 填 https://v2.cloudmist.cloud/v1;Cursor、NextChat 等客户端均可接入。

常见问题

国内如何调用 gpt-5-nano?

在本站注册并创建 API Key,OpenAI 兼容 SDK 把 base_url 改为 https://v2.cloudmist.cloud/v1(Claude Code 填 https://v2.cloudmist.cloud,不带 /v1),模型名填 gpt-5-nano 即可,国内网络直连,支持支付宝/微信人民币充值。

gpt-5-nano 通过中转站调用什么价格?

本站参考价输入 $0.0025/1M tokens、输出 $0.0203/1M tokens 起(约 0.5 折),提供 11 个渠道档位,价格与稳定性各有侧重,实际以站内定价页实时显示为准。

nano 档位这么低,工具调用靠谱吗?

支持工具调用,但复杂多步编排不是它的强项。适合单一明确的函数调用场景,比如查库存、发通知;链路一长建议把编排交给 mini 或旗舰档,nano 只做末端执行,分工比硬撑更省心。

什么信号说明该从 nano 升级了?

两个信号:一是输出质量问题变多,改 prompt 也压不下去;二是任务开始出现多步推理需求。这时把同样的请求在 gpt-5-mini 上跑一遍对比,差距明显就升级,多花的调用成本通常远小于返工成本。

批量跑任务有什么省钱技巧?

优先吃缓存红利:重复度高的 system prompt 固定放请求前部,命中缓存的输入部分计费低得多。另外可以把多条数据合并成一次请求批量处理,省掉大量重复的固定开销;输出让模型只给结论、不给解释,也能明显压缩输出量。