GPT-5.4 Mini 2026-03-17
Data source: AIHOT
Model data is shown as published (Chinese).
Released: 2026-03-17 · Context: 400K tokens
Overall rank 75
Official API prices ¥ / million tokens
- Input
- ¥5 ($0.75)
- Output
- ¥30 ($4.5)
- Cache hits
- ¥0.5 ($0.075)
Domain capabilities
| Board | Rank | Score | Benchmarks |
|---|---|---|---|
| 综合 | 75 | 47.3 | 31 |
| 编程 | 71 | 49.1 | 7 |
| 科研 | 75 | 47.2 | 7 |
| 专业办公 | 79 | 44.8 | 7 |
| 知识问答 | 80 | 46.5 | 6 |
编程 · 49.1
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 0.0% | 77.2 | 34 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。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。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 52.1% | 52.9 | 100 | 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。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 48.0% | 52.4 | 78 | 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 | 71.6% | 51.8 | 63 | 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 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 | 41.7% | 50.1 | 63 | 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。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 2.0% | 48.9 | 164 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。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。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 2.5% | 44.9 | 61 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。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。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 1.8% | 41.5 | 62 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:xHigh 推理 · Codex。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
科研 · 47.2
| 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 | 10.0% | 55.4 | 137 | 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。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 51.2% | 52 | 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。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 71.3% | 46.7 | 69 | 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 | 28.1% | 46.3 | 187 | 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 | 18.9% | 43.6 | 170 | 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。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 7.0% | 42.2 | 129 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:Medium 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。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 17.0% | 40.6 | 115 | 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 · 44.8
| 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 | 70.8% | 56.2 | 52 | 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。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 26.2% | 51.2 | 170 | 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。 |
| 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 | 1,021.2 | 44.5 | 183 | 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。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 8.8% | 40.9 | 76 | 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-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 15.0% | 40.2 | 54 | 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。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 12.5% | 39.1 | 87 | 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-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 720.3 | 38.3 | 216 | 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 · 46.5
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 20.0% | 63.8 | 64 | 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。 |
| 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 | 77.0% | 50.3 | 157 | 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。 |
| 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 | 61.8% | 49.8 | 86 | 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 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 | 71.0% | 49.4 | 62 | 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 | 59.8% | 49.1 | 62 | 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。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 29.4% | 40.1 | 81 | 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。 |
| 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 | 31.0% | 39.4 | 127 | 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 · 46.4
| 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 | 1,447.3 | 49.7 | 88 | 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 | 1,397.8 | 42.5 | 108 | 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。 |
Benchmarks without results
- Code Migration v1.1
- MirrorCode
- CyberBench Patch v1.1
- FrontierCode 2.0 · AA
- APEX-SWE
- FrontierCode 2.0 · Cognition
- WeirdML v3
- FrontierSWE v2
- TapTap Maker
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- CritPt v2 Hard · AA
- MysteryMechanism
- Terminal-Bench Science · Vals
- Terminal-Bench Science · AA
- BioMysteryBench
- Vals Finance Agent v2.1
- APEX-Agents 1.1
- Harvey LAB 1.1 · Vals
- Harvey LAB 1.1 · AA
- τ³-Banking · Mercor
- Excel Modeling v1.1
- AA-Omniscience v1.1
- 司南 · 知识