GPT-5.4
よりコスパが高いモデル: Gemini 3.7 Flash $1.50/MでIndex 62.1(4分の1の価格)。
より安価でスコアの高いランク付けモデルが6つあります:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00)ほか3つ。
2026年11月16日時点で、GPT-5.4(OpenAI)のBenchLeader Indexは63.1です(ランク付けされた608構成中上位50位以内)。最も強いのは指示追従(72)、最も弱いのは知識(59)です。API料金は入力100万トークンあたり$2.50、出力100万トークンあたり$15.00(3:1のブレンドで$5.63)で、2026年11月16日時点の定価です。出力速度は約73トークン/秒です(Artificial Analysis)。2026年3月5日にリリースされました。
要点(2026年11月16日時点)
- GPT-5.4のAPI料金は入力100万トークンあたり$2.50、出力100万トークンあたり$15.00(3:1のブレンドで$5.63)です(定価、2026年11月16日)。
- GPT-5.4の出力速度は約73トークン/秒です(Artificial Analysis、2026年11月16日)。
- GPT-5.4は2026年3月5日にリリースされました(OpenAI)。
詳しく見ると:GPT-5.4はOpenAIのプロプライエタリな推論モデルです(2026年3月5日リリース)。最もスコアの高い構成(推論エフォート xhigh)は、BenchLeader Indexで63.1 ±2.7を記録し、608構成中42位で上位半分に入ります。重要なのはこの「±」です。ほかに123構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では指示追従が最も高く(72)、知識が最も低くなっています(59)。ブレンド価格は100万トークンあたり$5.63で、ランク付けされたモデルの中で最も高価な部類です。出力速度は73トークン/秒、回答開始まで144.9秒で、多くのモデルより低速です。7通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年10月13日。
- ブレンド価格
- $5.63/M
- 入力$2.50・出力$15.00
- 出典:Artificial Analysis
- 出力速度
- 73 tok/s
- Artificial Analysisによる測定
- 回答開始
- 145 s
- 最初のトークン 1.51 s
- コンテキスト
- 1.1M
- 出典:models.dev
- 回答完了まで
- 193 s
- 最終測定2026年11月13日
- タスクあたりコスト
- –
- タスクあたりトークン数
- –
- リリース日
- 2026年3月5日
- 総合Index63
- 推論66
- コーディング65
- エージェント・ツール63
- 数学65
- 知識59
- 指示追従72
- マルチモーダル61
- 長文コンテキスト66
この順位を埋め込む
ほかのバッジスタイル[](https://www.benchleader.com/models/gpt-5-4)README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。
バージョン
OpenAIはこの名前で13つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。
| モデル | リリース日 | Index | 順位 |
|---|---|---|---|
| GPT-5.6 | 2026年7月9日 | – | – |
| GPT-5.5xhigh | 2026年4月23日 | 64.1 | #31 |
| GPT-5.4xhighこのページ | 2026年3月5日 | 63.1 | #42 |
| GPT-5.2xhigh | 2025年12月11日 | 59.9 | #95 |
| GPT-5.1high | 2025年11月12日 | 57.5 | #151 |
| GPT-5medium | 2025年8月7日 | 59.0 | #113 |
| GPT-4.1 | 2025年4月14日 | 48.7 | #377 |
| GPT-4.5 | 2025年2月27日 | 50.5 | #335 |
| GPT 4 0125 | 2024年1月25日 | – | – |
| GPT-4 1106 | 2023年11月6日 | – | – |
| GPT 4 0613 | 2023年6月13日 | 39.5 | #541 |
| GPT-4 | 2023年3月14日 | 42.3 | #496 |
| GPT-3.5 | – | – | – |
推論エフォート別の構成
同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。
| エフォート | Index | 順位 | 速度 | 回答開始 | チャット返答のコスト | カテゴリ |
|---|---|---|---|---|---|---|
| 推論なし | 53.0 | #265 | 78 tok/s | 1.94 s | $0.0055 | エージェント・ツール 67 · コーディング 55 · 指示追従 50 · 長文コンテキスト 53 · 数学 48 · マルチモーダル 53 · 推論 54 |
| low | 58.8 | #121 | 74 tok/s | 3.09 s | $0.0055 | エージェント・ツール 71 · 指示追従 65 · 長文コンテキスト 63 · 数学 60 · マルチモーダル 60 · 推論 53 |
| medium | 54.5 | #233 | 49 tok/s | 1.51 s | $0.0055 | コーディング 47 · 数学 65 · 推論 60 |
| high | 58.6 | #124 | 49 tok/s | 1.51 s | $0.0055 | コーディング 54 · 人間の評価 66 · 知識 50 · 数学 67 · マルチモーダル 65 · 推論 60 |
| xhigh最良 | 63.1 | #42 | 73 tok/s | 145 s | $0.0055 | エージェント・ツール 63 · コーディング 65 · 指示追従 72 · 知識 59 · 長文コンテキスト 66 · 数学 65 · マルチモーダル 61 · 推論 66 |
| thinking | – | – | 49 tok/s | 1.51 s | $0.0055 | 知識 70 · マルチモーダル 65 |
| 未記載 | 57.9 | #144 | 49 tok/s | 1.51 s | $0.0055 | エージェント・ツール 58 · コーディング 50 · 人間の評価 63 · 数学 64 · マルチモーダル 64 · 推論 62 |
Indexの推移
2026年9月8日〜2026年11月16日- xhigh
- low
- high
- 標準
Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。
ベンチマーク結果
LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。
推論
コーディング
エージェント・ツール
数学
| ベンチマーク | 推論なし | low | medium | high | xhigh | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | – | – | – | 78.6%#22 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | – | – | 49.0%#30 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 57.8%#179 | 84.4%#109 | 95.6%#51 | 97.8%#37 | 95.3%#60 | – | Epoch AI Benchmarking Hub | |
| ProofBench | – | – | – | – | 56.0%#27 | – | Vals AI | |
| LiveBench MathematicsIndex対象外 | – | – | – | – | 94.2%#20 | – | LiveBench | |
| AIME (Vals) | – | – | – | – | 96.7%#5 | – | Vals AI | |
| AIME 2026汚染の可能性 | – | – | – | – | 99.2%#3 | – | MathArena | |
| HMMT February 2026汚染の可能性 | – | – | – | – | 97.7%#2 | – | MathArena | |
| USAMO 2026Index対象外 | – | – | – | – | 95.2%#2 | – | MathArena | |
| MathArena Apex汚染の可能性 | – | – | – | – | 54.2%#6 | – | MathArena | |
| Arena Maths | – | – | – | 1491#27 | – | 1459#67 | Arena (LMArena) |
知識
| ベンチマーク | high | xhigh | thinking | 出典 | 推移 |
|---|---|---|---|---|---|
| SimpleQA Verified | – | 45.1%#43 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data AnalysisIndex対象外 | – | 79.3%#15 | – | LiveBench | |
| MMLU-Pro | – | 87.5%#27 | – | Vals AI | |
| LegalBench | – | 86.0%#17 | – | Vals AI | |
| CorpFin | – | 65.3%#33 | – | Vals AI | |
| TaxEval | – | 74.0%#42 | – | Vals AI | |
| MedQA | – | 96.1%#5 | – | Vals AI | |
| PRBench Finance | 45.6%#25 | – | – | Scale AI SEAL | |
| PRBench Legal | 44.4%#27 | – | – | Scale AI SEAL | |
| MultiNRC汚染の可能性 | – | – | 58.3%#7 | Scale AI SEAL | |
| CaseLaw v2Index対象外 | – | 63.8%#16 | – | Vals AI | |
| MedCodeIndex対象外 | – | 41.3%#53 | – | Vals AI | |
| MedScribeIndex対象外 | – | 77.5%#67 | – | Vals AI | |
| EBR-benchIndex対象外 | – | 25.4%#18 | – | Epoch AI Benchmarking Hub |
指示追従
| ベンチマーク | 推論なし | low | high | xhigh | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|
| LiveBench LanguageIndex対象外 | – | – | – | 82.6%#25 | – | LiveBench | |
| LiveBench Instruction FollowingIndex対象外 | – | – | – | 70.2%#29 | – | LiveBench | |
| IFBench | 48.4%#185 | 65.9%#101 | – | 74.0%#37 | – | Artificial Analysis | |
| Arena Instruction FollowingIndex対象外 | – | – | 1471#40 | – | 1460#55 | Arena (LMArena) |
人間の評価
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Text | 1475#37 | 1465#57 | Arena (LMArena) | |
| EQ-Bench 4エフォート未記載 | – | 1258#10 | EQ-Bench | |
| EQ-Bench Creative Writing v3Index対象外エフォート未記載 | – | 1841#21 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1441#61 | 1433#68 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1493#21 | 1480#39 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1481#46 | 1477#54 | Arena (LMArena) |
マルチモーダル
| ベンチマーク | 推論なし | low | high | xhigh | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1301#18 | – | – | 1292#26 | Arena (LMArena) | |
| MMMU-Pro | 70.6%#154 | 78.0%#89 | – | 78.4%#85 | – | – | Artificial Analysis | |
| VISTA | – | – | – | – | 50.9%#8 | – | Scale AI SEAL | |
| MMMU-Pro (Vals)Index対象外 | – | – | – | 87.5%#14 | – | – | Vals AI | |
| MortgageTaxIndex対象外 | – | – | – | 68.3%#17 | – | – | Vals AI | |
| VTBIndex対象外 | – | – | 29.2%#2 | – | – | – | Scale AI SEAL | |
| Blueprint-Bench 2Index対象外エフォート未記載 | – | – | – | – | – | 27.1%#25 | Epoch AI Benchmarking Hub | |
| Furniture AssemblyIndex対象外 | – | – | – | 37.5%#23 | – | – | Epoch AI Benchmarking Hub |
長文コンテキスト
| ベンチマーク | 推論なし | low | xhigh | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 58.3%#307 | 76.7%#157 | 82.0%#54 | – | Artificial Analysis | |
| Arena DocumentIndex対象外エフォート未記載 | – | – | – | 1471#18 | Arena (LMArena) |
総合
| ベンチマーク | 推論なし | low | xhigh | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| Epoch Capabilities IndexIndex対象外エフォート未記載 | – | – | – | 157.8#27 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0Index対象外 | – | – | 78.0%#19 | – | LiveBench | |
| AA Intelligence Index v4.3.2Index対象外 | 18.2#266 | 27.6#147 | 39.0#77 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 244.5#279 | 285.4#154 | 311.6#92 | – | Artificial Analysis | |
| Vals RSI IndexIndex対象外 | – | – | 15.5%#25 | – | Vals AI |
安全性・誠実さ
| ベンチマーク | thinking | 出典 | 推移 |
|---|---|---|---|
| MASKIndex対象外汚染の可能性 | 89.7%#8 | Scale AI SEAL |
GameBench 2 Overall: 53.4. GameBench 2, best reasoning setting (XHigh): 62.1. 参考値で、BenchLeader Indexには含まれません。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
強みのあるベンチマーク
測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。
API料金:提供プロバイダー別
OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。
| プロバイダー | 速度 | 最初のトークン | 入力 $/M | 出力 $/M | コンテキスト | 量子化 |
|---|---|---|---|---|---|---|
| Amazon Bedrock | 87 tok/s | 1.99 s | $2.75 | $16.50 | 1.1M | – |
| Azure | 75 tok/s | 0.55 s | $2.75 | $16.50 | 1.1M | – |
| Azure | 68 tok/s | 2.01 s | $2.50 | $15.00 | 1.1M | – |
| OpenAI | 55 tok/s | 1.14 s | $2.50 | $15.00 | 1.1M | – |
利用状況
GPT-5.4が実際にどれだけ使われているかを、利用状況を公開しているゲートウェイの報告に基づいて示します。利用状況はIndexには含まれません。よく使われているモデルとプロバイダー
タスクあたりのコスト
最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.250のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。
| ワークロード | 入力/出力トークン | コスト | キャッシュあり | 時間 |
|---|---|---|---|---|
| チャットの返答 | 400 / 300 | $0.0055 | $0.0048 | 2.5 min |
| 30ページのレポートを要約 | 12,000 / 600 | $0.039 | $0.019 | 2.6 min |
| コード編集 | 6,000 / 1,500 | $0.037 | $0.027 | 2.8 min |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.210 | $0.109 | 3.3 min |
| 構造化データの抽出 | 2,000 / 200 | $0.0080 | $0.0046 | 2.5 min |
GPT-5.4と比較する
- GPT-5.4 vs GPT-6.1 Sol
- GPT-5.4 vs Gemini 4 Argon
- GPT-5.4 vs Gemini 4 Hydrogen
- GPT-5.4 vs GPT-6 Sol
- GPT-5.4 vs DeepSeek V4.1 Flash 1017
- GPT-5.4 vs GPT-5.3-Codex
- GPT-5.4 vs Qwen3.8-Flash-Next
- GPT-5.4 vs Claude Sonnet 5.5
- GPT-5.4 vs GLM 5.3
- GPT-5.4 vs Grok 4.6
- GPT-5.4 vs Claude Opus 4.7
- GPT-5.4 vs Kimi K3.1 Pro
- GPT-5.4 vs Qwen3.8 Max
- GPT-5.4 vs MiMo-V2.6-Pro
- GPT-5.4 vs GPT-5
- GPT-5.4 vs Grok 4.7
- GPT-5.4 vs Muse Spark
- GPT-5.4 vs Kimi K3
- GPT-5.4 vs Claude Opus 5
- GPT-5.4 vs Step 5 Preview
- GPT-5.4 vs Muse Spark 1.1
- GPT-5.4 vs Muse Spark 1.2
- GPT-5.4 vs GPT-5.5
- GPT-5.4 vs Muse Wonder
- GPT-5.4 vs Claude Fable 5
- GPT-5.4 vs Claude Fable 5.1
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs GPT-5.4 Pro
- GPT-5.4 vs Claude Opus 4.6
- GPT-5.4 vs Gemini 3.5 Flash
- GPT-5.4 vs GPT-6.1 Terra
- GPT-5.4 vs Gemini 3.7 Flash
- GPT-5.4 vs Qwen3.6 Max
- GPT-5.4 vs Muse Wonder Full
- GPT-5.4 vs Muse Spark 1.3
- GPT-5.4 vs GPT-5.6 Sol
- GPT-5.4 vs Kimi K3.1 Pro Together
- GPT-5.4 vs GPT-6 Astra
- GPT-5.4 vs Claude Opus 5.5
- GPT-5.4 vs Gemini 4 Carbon
関連ページ
埋め込み・引用
GPT-5.4の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。
[](https://www.benchleader.com/models/gpt-5-4)このページを引用する
ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:
BenchLeader. (2026, November 16). GPT-5.4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-4
BibTeX:
@misc{benchleader_gpt_5_4_20261116,
author = {{BenchLeader}},
title = {{GPT-5.4 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-5-4}},
note = {Data as of 2026-11-16}
}よくある質問
- GPT-5.4のベンチマークスコアは?
- 2026年11月16日時点で、GPT-5.4(推論エフォート xhigh)のBenchLeader Indexは63.1 ±2.7です(上位50位以内)。最も強いのは指示追従(72)、最も弱いのは知識(59)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
- GPT-5.4の順位は?
- 2026年11月16日時点で、GPT-5.4(推論エフォート xhigh)はランク付けされた608構成中42位です(上位50位以内)。ほかに123構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
- GPT-5.4の料金は100万トークンあたりいくらですか?
- 2026年11月16日時点で、GPT-5.4の料金は入力100万トークンあたり$2.50、出力100万トークンあたり$15.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$5.63です。
- GPT-5.4はClaude Opus 4.7より優れていますか?
- 2026年11月16日時点で、Claude Opus 4.7とGPT-5.4(推論エフォート xhigh)の品質はほぼ互角です(BenchLeader Indexで63.1対63.1、±4.6の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
- GPT-5.4はいつリリースされましたか?
- OpenAIが2026年3月5日にGPT-5.4をリリースしました。BenchLeaderには7通りの推論エフォート設定での結果があります。
2026年11月16日時点のデータです。 これらの構成を比較
引用表記:BenchLeader「GPT-5.4:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/gpt-5-4