GPT-5.4
Data source: AIHOT
Model data is shown as published (Chinese).
Released: 2026-03-05 · Context: 1.05M tokens
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
| Board | Rank | Score | Benchmarks |
|---|---|---|---|
| 综合 | 49 | 58.8 | 17 |
| 编程 | 53 | 57.3 | 2 |
| 科研 | 35 | 62.3 | 4 |
| 专业办公 | 55 | 60 | 3 |
| 知识问答 | 48 | 58.8 | 4 |
编程 · 57.3
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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。 | LiveBench | 53.8% | 58.6 | 39 | 2026-11-18 | 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。 | LiveBench | 77.5% | 57.3 | 39 | 2026-11-18 | 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。 | Mercor | 34.3% | 53.4 | 53 | 2026-11-18 | 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
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 23.4% | 67.1 | 59 | 2026-11-18 | 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 Prize | 74.0% | 64.8 | 68 | 2026-11-18 | 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。 | LiveBench | 88.1% | 62.9 | 19 | 2026-11-18 | 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 Analysis | 43.7% | 60.6 | 64 | 2026-11-18 | 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
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 79.3% | 66.6 | 16 | 2026-11-18 | 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。 | Mercor | 52.4% | 62.1 | 41 | 2026-11-18 | 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 Analysis | 1,255.7 | 53.3 | 129 | 2026-11-18 | 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 · 58.8
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| 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 Mazur | 91.3% | 71.9 | 29 | 2026-11-18 | 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。 | LiveBench | 82.6% | 64 | 25 | 2026-11-18 | 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。 | LiveBench | 70.2% | 61.2 | 25 | 2026-11-18 | 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 Analysis | 82.0% | 56.5 | 55 | 2026-11-18 | 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。 | BullshitBench | 42.0% | 50.9 | 106 | 2026-11-18 | 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
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,475.1 | 60.2 | 37 | 2026-11-18 | 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。 | LMArena | 1,399.8 | 42.7 | 106 | 2026-11-18 | 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