GPT-5.4

OpenAI·4 个数据来源·更新于 2026-11-10

上下文窗口1.05MBenchLM
最大输出128KLLM Stats
输入 / 百万 Token$2.5OpenRouter
输出 / 百万 Token$15OpenRouter

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

4 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

23 项已收录成绩 · 保留原始单位和测试条件

ARC-AGI厂商自报 · 越高越好
93.7%

ARC-AGI-1 (Verified). Reasoning effort xhigh.

成绩出处
ARC-AGI v2厂商自报 · 越高越好
73.3%

ARC-AGI-2 (Verified). Reasoning effort xhigh.

成绩出处
BrowseComp厂商自报 · 越高越好
82.7%

BrowseComp agentic web browsing benchmark. Reasoning effort xhigh.

成绩出处
DeepSWE 1.1来源汇总 · 越高越好
52%

DeepSWE v1.1 leaderboard, mini-swe-agent harness, xhigh effort; Pass@1 52% ± 2%.

成绩出处
Finance Agent厂商自报 · 越高越好
56%

FinanceAgent v1.1. Reasoning effort xhigh.

成绩出处
FrontierMath厂商自报 · 越高越好
47.6%

FrontierMath Tier 1-3. Reasoning effort xhigh.

成绩出处
FrontierSWE来源汇总 · 越高越好
54%

Codex

成绩出处
GPQA厂商自报 · 越高越好
92.8%

GPQA Diamond. Reasoning effort xhigh.

成绩出处
Graphwalks BFS <128k厂商自报 · 越高越好
93%

Graphwalks BFS 0K-128K. Reasoning effort xhigh.

成绩出处
Graphwalks BFS >128k厂商自报 · 越高越好
21.4%

Graphwalks BFS 256K-1M. Reasoning effort xhigh.

成绩出处
Graphwalks parents <128k厂商自报 · 越高越好
89.8%

Graphwalks parents 0-128K (accuracy). Reasoning effort xhigh.

成绩出处
Graphwalks parents >128k厂商自报 · 越高越好
32.4%

Graphwalks parents 256K-1M (accuracy). Reasoning effort xhigh.

成绩出处
Humanity's Last Exam厂商自报 · 越高越好
39.8%

Humanity's Last Exam (no tools). Reasoning effort xhigh.

成绩出处
Legal Agent Benchmark来源汇总 · 越高越好
0.4%

All-pass rate (Harvey held-out set)

成绩出处
LiveBench来源汇总 · 越高越好
80.28%

2026-01-08, Thinking xHigh Effort

成绩出处
MCP Atlas厂商自报 · 越高越好
67.2%

MCP Atlas benchmark. Reasoning effort xhigh.

成绩出处
MMMU-Pro厂商自报 · 越高越好
81.2%

MMMU Pro (no tools). Reasoning effort xhigh.

成绩出处
OmniDocBench 1.5厂商自报 · 越高越好
89.1%

OmniDocBench. Average normalized edit distance 0.109 (inverted to 1-0.109=0.891 for score). Reasoning effort none.

成绩出处
OSWorld-Verified厂商自报 · 越高越好
75%

OSWorld-Verified desktop navigation benchmark. Reasoning effort xhigh.

成绩出处
SWE-Bench Pro厂商自报 · 越高越好
57.7%

SWE-Bench Pro (Public). Reasoning effort xhigh.

成绩出处
Tau2 Telecom厂商自报 · 越高越好
98.9%

Tau2-bench Telecom. Reasoning effort xhigh.

成绩出处
Terminal-Bench 2.0厂商自报 · 越高越好
75.1%

Terminal-Bench 2.0. Reasoning effort xhigh.

成绩出处
Toolathlon厂商自报 · 越高越好
54.6%

Toolathlon tool-use agentic tasks benchmark. Reasoning effort xhigh.

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2026-03-05LLM Stats
上下文窗口
1.05M TokenBenchLM
最大输入
1M TokenLLM Stats
最大输出
128K TokenLLM Stats
输入模态
文本、图像、文件OpenRouter
输出模态
文本OpenRouter
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

模型 API 价格,单位为美元每百万 Token
来源 / 服务商输入输出缓存读取
OpenAI$2.5$15待补充

估算一次用量

按表格第一条报价计算,普通文本、无缓存。

预计费用$4
不含工具、图片、推理额外计费或阶梯价格;以服务商实际账单为准。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

BenchLM

公开评测数据;保留来源原始口径

1 条记录最近采集 2026-11-10

Arena

Arena 官方公开数据集 · CC BY 4.0

8 条记录最近采集 2026-11-10

OpenRouter

公开模型目录与 API 报价

1 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsGPT-5.4SHA-256 087c8e5ce78588b4…2026-11-10T13:53:45Z查看来源
BenchLMGPT-5.42026-11-10查看来源
ArenaGPT-5.42026-11-10T14:07:52Z查看来源
ArenaGPT-5.4 (High)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.42026-11-10T14:07:52Z查看来源
ArenaGPT-5.4 (High)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.42026-11-10T14:07:52Z查看来源
ArenaGPT-5.4 (High, Codex Harness)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.4 (Medium, Codex Harness)2026-11-10T14:07:52Z查看来源
ArenaGPT-5.42026-11-10T14:07:52Z查看来源
OpenRouterGPT-5.4SHA-256 63cbc45064d84060…2026-11-10T13:51:49Z查看来源
继续浏览模型排行榜