BenchLeader

GPT-5.4

推論エフォート
品質339中17位
63.1Index
上位10%
中央値比 +12.9
価格255中223位
$5.63100万トークンあたり
高い方から4分の1
中央値の6.6倍
速度216中129位
73トークン/秒
中央値より下
中央値の0.9倍
コスパ255中219位
11.2ポイント/$
下位4分の1
中央値の0.2倍

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
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index63
  2. 推論66
  3. コーディング65
  4. エージェント・ツール63
  5. 数学65
  6. 知識59
  7. 指示追従72
  8. マルチモーダル61
  9. 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
[![GPT-5.4 on BenchLeader: 総合 17位](https://www.benchleader.com/badge/gpt-5-4.svg?style=compact)](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。

OpenAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

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-5.62026年7月9日––
GPT-5.5xhigh2026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-5.2xhigh2025年12月11日59.9#95
GPT-5.1high2025年11月12日57.5#151
GPT-5medium2025年8月7日59.0#113
GPT-4.12025年4月14日48.7#377
GPT-4.52025年2月27日50.5#335
GPT 4 01252024年1月25日––
GPT-4 11062023年11月6日––
GPT 4 06132023年6月13日39.5#541
GPT-42023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#26578 tok/s1.94 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
low58.8#12174 tok/s3.09 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
medium54.5#23349 tok/s1.51 s$0.0055コーディング 47 · 数学 65 · 推論 60
high58.6#12449 tok/s1.51 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#4273 tok/s145 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/s1.51 s$0.0055知識 70 · マルチモーダル 65
未記載57.9#14449 tok/s1.51 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
556268
  • 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

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
GPQA Diamond74.8%#16484.8%#10488.9%#6389.9%#5393.3%#23–Epoch AI Benchmarking Hub
Humanity's Last Exam––––36.2%#9–Scale AI / CAIS
Arena Hard Prompts–––1496#42–1487#58Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外––––88.1%#24–LiveBench
GPQA Diamond (AA)Index対象外74.8%#25887.1%#105––92.0%#41–Artificial Analysis
Humanity's Last Exam (AA)Index対象外11.3%#31530.8%#159––43.7%#64–Artificial Analysis
GPQA Diamond (Vals)Index対象外––––91.7%#18–Vals AI
Kagi LLM Benchmarkエフォート未記載–––––63.8%#40Kagi LLM Benchmark
ARC-AGI-1–68.2%#15486.2%#11292.7%#6093.7%#55–ARC Prize
ARC-AGI-2–29.2%#14255.4%#10767.5%#7274.0%#59–ARC Prize
ARC-AGI-3–––0.2%#68––ARC Prize
CritPtIndex対象外0.6%#2747.4%#157––23.4%#59–Artificial Analysis
Arena ExpertIndex対象外–––1514#28–1491#61Arena (LMArena)
Chess PuzzlesIndex対象外3.0%#14819.0%#10537.0%#4842.0%#3948.0%#21–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外16.0%#8917.0%#8028.0%#43–37.0%#23–Epoch AI Benchmarking Hub
CL-benchIndex対象外––––27.9%#1–Epoch AI Benchmarking Hub
CL-bench LifeIndex対象外–––19.3%#321.7%#213.8%#7Epoch AI Benchmarking Hub
LMCAIndex対象外––––52.0%#63–Epoch AI Benchmarking Hub
DTBenchIndex対象外––––94.4%#61–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載–––––63.0%#48ForecastBench

コーディング

ベンチマーク推論なしlowmediumhighxhigh標準出典推移
SWE-bench Verified (Epoch)–––76.9%#8––Epoch AI Benchmarking Hub
SciCode––––56.6%#43–SciCode
WeirdML57.4%#53–––77.7%#24–WeirdML
GSO-Bench–––25.5%#1531.4%#12–GSO-Bench
Arena Coding–––1521#35–1511#59Arena (LMArena)
Arena WebDev––1442#841462#79–1400#102Arena (LMArena)
LiveBench 1.0 CodingIndex対象外––––77.5%#37–LiveBench
LiveCodeBench––––84.1%#40–Vals AI
SWE-bench (Vals)Index対象外––––78.2%#30–Vals AI
SWE-Bench Pro––––59.1%#2–Scale AI SEAL
Code MigrationIndex対象外––––35.0%#37–Vals AI
ProgramBenchIndex対象外–––0.5%#190.0%#34–Vals AI
Vibe Code Bench v1.1Index対象外––––67.4%#5448.5%#69Vals AI
SWE-Bench Pro (private)Index対象外––––43.4%#4–Scale AI SEAL
SWE Atlas v1.0: Codebase QnAIndex対象外––––40.8%#10–Scale AI SEAL
SWE Atlas v1.0: RefactoringIndex対象外––––44.3%#8–Scale AI SEAL
SWE Atlas v1.0: Test WritingIndex対象外––––44.4%#8–Scale AI SEAL
MirrorCodeIndex対象外–––15.6%#4223.3%#37–Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外––––51.8%#46–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外1086.0#62–1520.7#301607#22––Epoch AI Benchmarking Hub
AlgoTuneIndex対象外–––1.9#3––AlgoTune
Terminal-Bench 2.1 (AA)Index対象外––––78.3%#53–Artificial Analysis
GameBench 2 OverallIndex対象外設定全体–––––53.4#29DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外44.8#115–53.3#87–62.1#60–DuelLab GameBench 2
Design Arena WebsiteIndex対象外1190#871190#871212#83–––Design Arena

エージェント・ツール

ベンチマーク推論なしlowhighxhigh標準出典推移
Terminal-Benchエフォート未記載––––81.8%#2Terminal-Bench
APEX-Agentsエフォート未記載––––52.4%#33Mercor
LiveBench Agentic CodingIndex対象外–––53.8%#36–LiveBench
Terminal-Bench Hard37.9%#6243.2%#41–57.6%#11–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外36.0%#23974.6%#142–87.1%#81–Artificial Analysis
MCP Atlas–––70.6%#23–Scale AI SEAL
HiL-Benchエフォート未記載––––9.7%#33Scale AI SEAL
τ³-bench BankingIndex対象外–––39.4%#10–τ²-bench
GDPval-AA v2.1Index対象外–––1256#125–Artificial Analysis
τ³-Banking (AA)–––39.6%#32–Artificial Analysis
APEX-Agents (AA)Index対象外–––33.3%#9–Artificial Analysis
Harvey's Legal Agent Benchmark v1Index対象外–––0.0%#64–Vals AI
SkillsBenchIndex対象外–––51.7%#19–Vals AI
Terminal-Bench 2.0 (Vals)Index対象外––58.4%#10––Vals AI
Arena SearchIndex対象外エフォート未記載––––1196#22Arena (LMArena)
DeepResearch BenchIndex対象外–35.1%#39–––DeepResearch Bench
PostTrainBenchIndex対象外––17.8%#20––Epoch AI Benchmarking Hub
METR Time HorizonsIndex対象外–––74.3%#7–METR
GBAEvalIndex対象外エフォート未記載––––45.1%#10Epoch AI Benchmarking Hub
Vending-Bench 2Index対象外エフォート未記載––––6144.2#24Andon Labs
Design Arena AgenticIndex対象外エフォート未記載––––1042#70Design Arena
DeepSearchQAIndex対象外エフォート未記載––––63.7%#3Google

数学

ベンチマーク推論なしlowmediumhighxhigh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 AIME57.8%#17984.4%#10995.6%#5197.8%#3795.3%#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#67Arena (LMArena)

知識

ベンチマークhighxhighthinking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 Finance45.6%#25––Scale AI SEAL
PRBench Legal44.4%#27––Scale AI SEAL
MultiNRC汚染の可能性––58.3%#7Scale 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lowhighxhigh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
IFBench48.4%#18565.9%#101–74.0%#37–Artificial Analysis
Arena Instruction FollowingIndex対象外––1471#40–1460#55Arena (LMArena)

人間の評価

ベンチマークhigh標準出典推移
Arena Text1475#371465#57Arena (LMArena)
EQ-Bench 4エフォート未記載–1258#10EQ-Bench
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1841#21EQ-Bench
Arena Creative WritingIndex対象外1441#611433#68Arena (LMArena)
Arena Multi-turnIndex対象外1493#211480#39Arena (LMArena)
Arena Longer QueriesIndex対象外1481#461477#54Arena (LMArena)

マルチモーダル

ベンチマーク推論なしlowhighxhighthinking標準出典推移
Arena Vision––1301#18––1292#26Arena (LMArena)
MMMU-Pro70.6%#15478.0%#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%#25Epoch 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lowxhigh標準出典推移
AA-LCR v1.158.3%#30776.7%#15782.0%#54–Artificial Analysis
Arena DocumentIndex対象外エフォート未記載–––1471#18Arena (LMArena)

総合

ベンチマーク推論なしlowxhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–––157.8#27Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外––78.0%#19–LiveBench
AA Intelligence Index v4.3.2Index対象外18.2#26627.6#14739.0#77–Artificial Analysis
AA Progress Index v1Index対象外244.5#279285.4#154311.6#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%#8Scale 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 Bedrock87 tok/s1.99 s$2.75$16.501.1M–
Azure75 tok/s0.55 s$2.75$16.501.1M–
Azure68 tok/s2.01 s$2.50$15.001.1M–
OpenAI55 tok/s1.14 s$2.50$15.001.1M–

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

コーディングエージェントのターンに占める割合、30日間
0.00%
Codexで100%

出典: T3 Code via Slopalytics。

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$0.00482.5 min
30ページのレポートを要約12,000 / 600$0.039$0.0192.6 min
コード編集6,000 / 1,500$0.037$0.0272.8 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$0.1093.3 min
構造化データの抽出2,000 / 200$0.0080$0.00462.5 min

OpenAIのほかのモデル

今月の新着

GPT-5.4と比較する

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。

[![GPT-5.4 on BenchLeader: 総合 17位](https://www.benchleader.com/badge/gpt-5-4.svg)](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}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

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