GPT-4.1 nano レビュー：100万トークン文脈の最安クラス、日本語でどこまで使えるか

結論から言うと、GPT-4.1 nano（gpt-4.1-nano）は、大量の軽い処理を安く速く回すためのモデルです。日本語のメールや要約は実用十分で、画像からの情報抽出も正確でした。ただし、敬語の理由付けや計算のように「考える」タスクでは粗さが出ます。判断を伴わない定型処理に絞るのが上手な使い方です。

概要

GPT-4.1 nano は OpenAI が2025年4月に公開した、GPT-4.1 シリーズで最も小さく安いモデルです。

• 文脈長：約100万トークン（最大出力 32,768 トークン）
• 入力：テキスト・画像・ファイル
• 出力：テキスト
• ツール呼び出し・構造化出力（JSON Schema）に対応

日本語で試した結果

同じ5つの日本語タスクを複数のモデルに投げて比べました。応答はどれも1〜5秒程度で、今回比べたモデルの中でも速い部類です。

算数の題は、わざと整数解が出ない数字にしてあります。GPT-4.1 nano は「整数解は存在しない」ことに気づいた点は評価できますが、日本語の質問に英語で答えています。日本語で出力させたい場合は、システムプロンプトで「日本語で回答」と明示してください。

画像の読み取り：安くて正確

日本語のレシート画像から、店名・日時・品目・軽減税率の対象・インボイス登録番号を JSON で抜き出させました。全項目を正確に読み取り、「※」の付いた品目を軽減税率の対象として正しく判定しています。

注目したいのは入力トークン数です。同じ画像で、GPT-4.1 nano は 1,220 トークンでした。同じ OpenAI の GPT-4o mini は 25,568 トークンで、約20倍の差があります。画像を大量に処理するなら、GPT-4.1 nano はコスト面で有力な選択肢です。

なお、単色の図形の配置を答えさせる簡単なテストでは、位置関係を取り違えることがありました。文字の読み取りは得意ですが、細かな図形の理解は得意ではないようです。

向いている用途／向かない用途

向いている：

• 請求書・レシートなど、日本語の文字が中心の画像からの抽出
• 長い文書（最大約100万トークン）の要約や検索
• 大量の分類・タグ付け・定型文の生成

向かない：

• 敬語の判断や校正の「理由」を説明させる用途
• 計算や、条件の矛盾を見抜く必要がある処理
• 図やグラフの細かな読み取り

よくある質問

Q. GPT-4.1 nano は GPT-4o mini と比べてどうですか？ 文章の安定感は GPT-4o mini がやや上です。画像入力のトークン消費は GPT-4.1 nano が約20分の1で、文脈長も長いため、大量処理や長文処理では GPT-4.1 nano が有利です。

Q. GPT-4.1 nano の回答が英語で返ってくることがあるのはなぜですか？ 数式を扱う回答などで英語に切り替わることがありました。システムプロンプトで回答言語を指定すると防げます。

Q. GPT-4.1 nano で構造化出力は使えますか？ はい。response_format に JSON Schema を指定すると、指定どおりの JSON が返りました。

FastMetal で試す

curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTMETAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4.1-nano",
    "messages": [
      {"role": "system", "content": "必ず日本語で回答してください。"},
      {"role": "user", "content": "次の文章を3点に要約してください：日本の中小企業では生成AIの導入が進む一方、費用の見通しが立たないことが障壁になっている。ドル建ての請求は為替の影響を受け、円安局面では想定より膨らむこともある。"}
    ]
  }'

同じ API キー・同じ円建て残高のまま、他のモデルと model を差し替えて比べられます。料金は料金ページ、対応モデルはモデルカタログでご確認ください。日本語がトークン数に与える影響は日本語はトークンを食うで解説しています。