Skip to content

GPT-5.4

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
OpenAI

Released: 2026-03-05 · Context: 1.05M tokens

58.8

Overall rank 49

Official API prices ¥ / million tokens

Input
¥16.67 ($2.5)
Output
¥99.99 ($15)
Cache hits
¥1.67 ($0.25)

提示词不超过 272K Token 的价格;超过 272K 时整个会话的输入和缓存命中价按 2 倍、输出价按 1.5 倍计费。

提示词不超过 272K Token 的价格;超过 272K 时整个会话的输入和缓存命中价按 2 倍、输出价按 1.5 倍计费。

Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合4958.817
编程5357.32
科研3562.34
专业办公55603
知识问答4858.94

编程 · 57.3

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench53.8%58.6392026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench77.5%57.3392026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor34.3%53.4532026-11-18
Notes

代表配置:xHigh 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

科研 · 62.3

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis23.4%67.1592026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize74.0%64.8682026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench88.1%62.9192026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis43.7%60.6642026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 60

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench79.3%66.5162026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor52.4%62.1412026-11-18
Notes

代表配置:xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,255.753.31292026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 58.9

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur91.3%71.9292026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench82.6%64.1252026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench70.2%61.3252026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis82.0%56.5552026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench42.0%51.11162026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 55.6

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,475.160.3372026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,399.842.61062026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Benchmarks without results

  • Terminal-Bench 4.0 · AA
  • Terminal-Bench 4.0 · Vals
  • Terminal-Bench 4.0 · 官方
  • SciCode · AA
  • Code Migration v1.1
  • ProgramBench
  • MirrorCode
  • CyberBench Patch v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • FrontierSWE v2
  • TapTap Maker
  • FrontierMath v2 · Tiers 1–3
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt v2 Hard · AA
  • Chess Puzzles
  • Mystery Game Puzzles
  • MysteryMechanism
  • Terminal-Bench Science · Vals
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • AA-Briefcase
  • AutomationBench · AA
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • AA-Analyst Agent
  • Legal Research Bench
  • TaxAgentBench
  • Excel Modeling v1.1
  • AA-Omniscience v1.1
  • SimpleQA Verified
  • 司南 · 知识
  • MLCR-AA

Recent news

08-01GPT-5.4 系列 8 月 31 日退出 ChatGPTOpenAI Developers

07-29小红书 dots 团队提出 Vision-OPD,让 9B 模型细粒度视觉理解超越 GPT-5.4公众号:小红书技术

06-18GPT-5.4 改善药物化学挑战性反应Greg Brockman

06-18OpenAI 与 Molecule.one 合作:GPT‑5.4 自主优化 Chan‑Lam 偶联反应OpenAI:官网动态

06-18GPT-5.4助力药物化学项目获验证OpenAI

05-26约 1000 行代码搭起网页 AI 智能体:微软 Webwright 让 GPT-5.4 跑分提升 81%IT之家·人工智能