GPT-5.4
性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,价格只有四分之一。
有 6 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 3 个。
截至 2026年11月16日,GPT-5.4(OpenAI)在 BenchLeader Index 上得分 63.1(在 608 个已排名配置中前 50 名)。表现最好的是指令遵循(72),最弱的是知识(59)。API 价格为输入每百万 token $2.50、输出每百万 token $15.00(按 3:1 混合为 $5.63),为 2026年11月16日的标价。输出速度约为 73 token/秒(Artificial Analysis)。发布于 2026年3月5日。
要点(截至 2026年11月16日)
- GPT-5.4 的 API 价格为输入每百万 token $2.50、输出每百万 token $15.00(按 3:1 混合为 $5.63)(标价,2026年11月16日)。
- GPT-5.4 的输出速度约为 73 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-5.4 于 2026年3月5日发布(OpenAI)。
详细说明:GPT-5.4 是 OpenAI 的闭源推理模型,发布于 2026年3月5日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 63.1 ±2.7,在 608 个配置中排第 42 名,处于上半区。关键在于这个“±”:另有 123 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(72),知识最低(59)。按混合价格计,每百万 token $5.63,属于已排名模型中最贵的一档。输出速度为 73 token/秒,首次回答需 144.9 秒,比大多数模型慢。它已在 7 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月13日。
- 混合价格
- $5.63/M
- 输入 $2.50 · 输出 $15.00
- 来源:Artificial Analysis
- 输出速度
- 73 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 145 s
- 首 token 1.51 s
- 上下文
- 1.1M
- 来源:models.dev
- 完整回答
- 193 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年3月5日
- 综合 Index63
- 推理66
- 编程65
- 智能体与工具63
- 数学65
- 知识59
- 指令遵循72
- 多模态61
- 长上下文66
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-5-4)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
OpenAI 以这个名称发布过 13 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| GPT-5.6 | 2026年7月9日 | – | – |
| GPT-5.5xhigh | 2026年4月23日 | 64.1 | #31 |
| GPT-5.4xhigh本页 | 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 | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 53.0 | #265 | 78 tok/s | 1.94 s | $0.0055 | 智能体与工具 67 · 编程 55 · 指令遵循 50 · 长上下文 53 · 数学 48 · 多模态 53 · 推理 54 |
| low | 58.8 | #121 | 74 tok/s | 3.09 s | $0.0055 | 智能体与工具 71 · 指令遵循 65 · 长上下文 63 · 数学 60 · 多模态 60 · 推理 53 |
| medium | 54.5 | #233 | 49 tok/s | 1.51 s | $0.0055 | 编程 47 · 数学 65 · 推理 60 |
| high | 58.6 | #124 | 49 tok/s | 1.51 s | $0.0055 | 编程 54 · 人类偏好 66 · 知识 50 · 数学 67 · 多模态 65 · 推理 60 |
| xhigh最佳 | 63.1 | #42 | 73 tok/s | 145 s | $0.0055 | 智能体与工具 63 · 编程 65 · 指令遵循 72 · 知识 59 · 长上下文 66 · 数学 65 · 多模态 61 · 推理 66 |
| thinking | – | – | 49 tok/s | 1.51 s | $0.0055 | 知识 70 · 多模态 65 |
| 未说明 | 57.9 | #144 | 49 tok/s | 1.51 s | $0.0055 | 智能体与工具 58 · 编程 50 · 人类偏好 63 · 数学 64 · 多模态 64 · 推理 62 |
Index 走势
2026年9月8日 至 2026年11月16日- xhigh
- low
- high
- 默认
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
编程
智能体与工具
数学
| 基准测试 | 无推理 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| 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 Mathematics不计入 Index | – | – | – | – | 94.2%#20 | – | LiveBench | |
| AIME (Vals) | – | – | – | – | 96.7%#5 | – | Vals AI | |
| AIME 2026可能存在污染 | – | – | – | – | 99.2%#3 | – | MathArena | |
| HMMT February 2026可能存在污染 | – | – | – | – | 97.7%#2 | – | MathArena | |
| USAMO 2026不计入 Index | – | – | – | – | 95.2%#2 | – | MathArena | |
| MathArena Apex可能存在污染 | – | – | – | – | 54.2%#6 | – | MathArena | |
| Arena Maths | – | – | – | 1491#27 | – | 1459#67 | Arena (LMArena) |
知识
| 基准测试 | high | xhigh | thinking | 来源 | 趋势 |
|---|---|---|---|---|---|
| SimpleQA Verified | – | 45.1%#43 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index | – | 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可能存在污染 | – | – | 58.3%#7 | Scale AI SEAL | |
| CaseLaw v2不计入 Index | – | 63.8%#16 | – | Vals AI | |
| MedCode不计入 Index | – | 41.3%#53 | – | Vals AI | |
| MedScribe不计入 Index | – | 77.5%#67 | – | Vals AI | |
| EBR-bench不计入 Index | – | 25.4%#18 | – | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 无推理 | low | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| LiveBench Language不计入 Index | – | – | – | 82.6%#25 | – | LiveBench | |
| LiveBench Instruction Following不计入 Index | – | – | – | 70.2%#29 | – | LiveBench | |
| IFBench | 48.4%#185 | 65.9%#101 | – | 74.0%#37 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index | – | – | 1471#40 | – | 1460#55 | Arena (LMArena) |
人类偏好
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1475#37 | 1465#57 | Arena (LMArena) | |
| EQ-Bench 4推理强度未说明 | – | 1258#10 | EQ-Bench | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1841#21 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1441#61 | 1433#68 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1493#21 | 1480#39 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1481#46 | 1477#54 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | low | high | xhigh | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| 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)不计入 Index | – | – | – | 87.5%#14 | – | – | Vals AI | |
| MortgageTax不计入 Index | – | – | – | 68.3%#17 | – | – | Vals AI | |
| VTB不计入 Index | – | – | 29.2%#2 | – | – | – | Scale AI SEAL | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | 27.1%#25 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | – | – | 37.5%#23 | – | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | low | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 58.3%#307 | 76.7%#157 | 82.0%#54 | – | Artificial Analysis | |
| Arena Document不计入 Index推理强度未说明 | – | – | – | 1471#18 | Arena (LMArena) |
综合
| 基准测试 | 无推理 | low | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 157.8#27 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | – | – | 78.0%#19 | – | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 18.2#266 | 27.6#147 | 39.0#77 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 244.5#279 | 285.4#154 | 311.6#92 | – | Artificial Analysis | |
| Vals RSI Index不计入 Index | – | – | 15.5%#25 | – | Vals AI |
安全与诚实
| 基准测试 | thinking | 来源 | 趋势 |
|---|---|---|---|
| MASK不计入 Index可能存在污染 | 89.7%#8 | Scale AI SEAL |
GameBench 2 Overall: 53.4. GameBench 2, best reasoning setting (XHigh): 62.1. 仅供参考,不计入 BenchLeader Index。
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.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| 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 | – |
使用情况
GPT-5.4 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.250。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0055 | $0.0048 | 2.5 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.039 | $0.019 | 2.6 min |
| 代码编辑 | 6,000 / 1,500 | $0.037 | $0.027 | 2.8 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.210 | $0.109 | 3.3 min |
| 结构化信息提取 | 2,000 / 200 | $0.0080 | $0.0046 | 2.5 min |
将 GPT-5.4 与以下模型对比
- 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
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-5.4 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gpt-5-4)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
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}
}常见问题
- GPT-5.4 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-5.4(推理强度 xhigh)的 BenchLeader Index 为 63.1 ±2.7(前 50 名)。最强的是指令遵循(72),最弱的是知识(59)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GPT-5.4 排名第几?
- 截至 2026年11月16日,GPT-5.4(推理强度 xhigh)在 608 个已排名配置中排第 42 名(前 50 名)。另有 123 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GPT-5.4 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-5.4 的价格为输入每百万 token $2.50、输出每百万 token $15.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $5.63。
- GPT-5.4 比 Claude Opus 4.7 更好吗?
- 截至 2026年11月16日,Claude Opus 4.7 与 GPT-5.4(推理强度 xhigh)的质量不相上下(BenchLeader Index 63.1 比 63.1,在 ±4.6 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- GPT-5.4 是什么时候发布的?
- OpenAI 于 2026年3月5日发布了 GPT-5.4。BenchLeader 收录了它在 7 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GPT-5.4:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-5-4。