BenchLeader

GPT-5.4 Mini

推理强度
质量第 108 / 339 名
55.1Index
高于中位数
较中位数 +4.9
价格第 166 / 255 名
$1.69每百万 token
比多数贵
中位数的 2.0 倍
速度第 13 / 216 名
200token/秒
前 10%
中位数的 2.4 倍
性价比第 165 / 255 名
32.6分/$
低于中位数
中位数的 0.6 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 12 分之一。

有 36 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 33 个。

截至 2026年11月16日,GPT-5.4 Mini(OpenAI)在 BenchLeader Index 上得分 55.1(共 608 个已排名配置)。表现最好的是指令遵循(72),最弱的是智能体与工具(42)。API 价格为输入每百万 token $0.750、输出每百万 token $4.50(按 3:1 混合为 $1.69),为 2026年11月16日的标价。输出速度约为 200 token/秒(Artificial Analysis)。发布于 2026年3月17日。

要点(截至 2026年11月16日)

  • GPT-5.4 Mini 的 API 价格为输入每百万 token $0.750、输出每百万 token $4.50(按 3:1 混合为 $1.69)(标价,2026年11月16日)。
  • GPT-5.4 Mini 的输出速度约为 200 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-5.4 Mini 于 2026年3月17日发布(OpenAI)。

详细说明:GPT-5.4 Mini 是 OpenAI 的闭源推理模型,发布于 2026年3月17日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 55.1 ±5.9,在 608 个配置中排第 220 名,处于上半区。关键在于这个“±”:另有 324 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),智能体与工具最低(42)。按混合价格计,每百万 token $1.69,比大多数已排名模型贵。输出速度为 200 token/秒,首次回答需 112.1 秒,位于最快的四分之一。它已在 6 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9月1日。

混合价格
$1.69/M
输入 $0.750 · 输出 $4.50
来源:Artificial Analysis
输出速度
200 tok/s
由 Artificial Analysis 测量
首次回答
112 s
首 token 0.98 s
上下文
400k
来源:models.dev
完整回答
231 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17日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index55
  2. 推理51
  3. 编程58
  4. 智能体与工具42
  5. 数学51
  6. 知识55
  7. 指令遵循72
  8. 多模态56
  9. 长上下文63

嵌入这个排名

更多徽章样式
[![GPT-5.4 Mini on BenchLeader: 综合第 108 名](https://www.benchleader.com/badge/gpt-5-4-mini.svg?style=compact)](https://www.benchleader.com/models/gpt-5-4-mini)

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。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

OpenAI 以这个名称发布过 3 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-5.4 Minixhigh本页2026年3月17日55.1#220
GPT-5 mini2025年8月7日56.6#176
GPT-4.1 minihigh2025年4月14日46.3#434

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44.7#466138 tok/s1.37 s$0.0017智能体与工具 50 · 编程 42 · 指令遵循 42 · 长上下文 42 · 数学 35 · 多模态 42 · 推理 47
low––99 tok/s0.98 s$0.0017数学 38 · 推理 30
medium53.3#263175 tok/s5.99 s$0.0017智能体与工具 63 · 指令遵循 64 · 长上下文 58 · 多模态 53 · 推理 36
high52.0#29099 tok/s0.98 s$0.0017智能体与工具 44 · 编程 51 · 人类偏好 63 · 知识 40 · 数学 61 · 多模态 57 · 推理 51
xhigh最佳55.1#220200 tok/s112 s$0.0017智能体与工具 42 · 编程 58 · 指令遵循 72 · 知识 55 · 长上下文 63 · 数学 51 · 多模态 56 · 推理 51
未说明––99 tok/s0.98 s$0.0017编程 39 · 推理 36

Index 走势

2026年9月8日 至 2026年11月16日
395164
  • xhigh
  • medium
  • high
  • 无推理

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

基准测试无推理lowmediumhighxhigh默认来源趋势
GPQA Diamond64.1%#197––83.6%#11186.9%#88–Epoch AI Benchmarking Hub
Arena Hard Prompts–––1469#86––Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index––––71.3%#64–LiveBench
GPQA Diamond (AA)不计入 Index60.6%#378–82.3%#175–87.5%#98–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index5.9%#435–18.6%#246–28.1%#183–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––––83.1%#58–Vals AI
Kagi LLM Benchmark推理强度未说明–––––37.9%#110Kagi LLM Benchmark
ARC-AGI-1–13.0%#23940.8%#20058.0%#17263.7%#162–ARC Prize
ARC-AGI-2–1.1%#2354.4%#19113.2%#16118.9%#152–ARC Prize
CritPt不计入 Index0.0%#337–2.9%#201–10.0%#135–Artificial Analysis
Arena Expert不计入 Index–––1482#72––Arena (LMArena)
Chess Puzzles不计入 Index2.0%#151––23.0%#8817.0%#112–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index11.0%#1168.0%#1247.0%#128–––Epoch AI Benchmarking Hub
LMCA不计入 Index––––40.8%#112–Epoch AI Benchmarking Hub
DTBench不计入 Index––––80.0%#140–Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–––––60.8%#72ForecastBench

编程

基准测试无推理mediumhighxhigh默认来源趋势
SciCode–––52.1%#100–SciCode
WeirdML37.9%#116–60.3%#50––WeirdML
FrontierCode推理强度未说明––––27.0%#34Cognition
Arena Coding––1495#90––Arena (LMArena)
Arena WebDev––1398#103––Arena (LMArena)
LiveBench 1.0 Coding不计入 Index–––71.6%#59–LiveBench
SciCode (AA)不计入 Index–––52.1%#99–Artificial Analysis
LiveCodeBench–––81.5%#61–Vals AI
SWE-bench (Vals)不计入 Index–––73.0%#51–Vals AI
Code Migration不计入 Index–––12.9%#61–Vals AI
ProgramBench不计入 Index–––0.0%#34–Vals AI
Vibe Code Bench v1.1不计入 Index–––48.0%#70–Vals AI
ALE-Bench不计入 Index––1188.6#52––Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index–––2.0%#150–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index–––59.2%#103–Artificial Analysis
GameBench 2 by reasoning setting不计入 Index26.4#18446.3#108–––DuelLab GameBench 2

智能体与工具

基准测试无推理lowmediumhighxhigh来源趋势
Terminal-Bench––––1.8%#106Terminal-Bench
LiveBench Agentic Coding不计入 Index––––41.7%#60LiveBench
Terminal-Bench Hard18.2%#175–34.1%#89–52.3%#19Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index23.4%#309–36.5%#234–83.3%#111Artificial Analysis
Terminal-Bench 2.1 (Vals)–––54.7%#50–Vals AI
MCP Atlas––––56.7%#34Scale AI SEAL
GDPval-AA v2.1不计入 Index597#230–––1021#178Artificial Analysis
τ³-Banking (AA)––––25.6%#82Artificial Analysis
ITBench SRE (AA)不计入 Index18.6%#40–––35.2%#27Artificial Analysis
Analyst Agent (AA)不计入 Index––––15.0%#43Artificial Analysis
APEX-Agents (AA)不计入 Index––––28.2%#14Artificial Analysis
Finance Agent v2不计入 Index––––45.4%#56Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index––––0.0%#64Vals AI
Legal Research Bench不计入 Index––––12.5%#80Vals AI
Tax Agent Bench不计入 Index––––8.8%#70Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–––44.9%#23–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index––––2.5%#55Vals AI
DeepResearch Bench不计入 Index–36.3%#38–––DeepResearch Bench
AutomationBench不计入 Index––––26.2%#156Artificial Analysis
GDP.pdf (AA)不计入 Index––––13.4%#133Artificial Analysis
EnterpriseOps-Gym不计入 Index––––34.6%#37Artificial Analysis
AA-Briefcase v1.1不计入 Index––––720#200Artificial Analysis

数学

基准测试无推理lowhighxhigh来源趋势
FrontierMath Tiers 1–317.2%#10424.6%#86–51.2%#57Epoch AI Benchmarking Hub
FrontierMath Tier 4–––9.8%#69Epoch AI Benchmarking Hub
OTIS Mock AIME26.7%#225–87.2%#9588.9%#86Epoch AI Benchmarking Hub
ProofBench–––21.0%#52Vals AI
LiveBench Mathematics不计入 Index–––78.5%#63LiveBench
AIME (Vals)–––95.6%#8Vals AI
Arena Maths––1439#98–Arena (LMArena)

知识

基准测试highxhigh来源趋势
SimpleQA Verified29.4%#78–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index–70.8%#49LiveBench
MMLU-Pro–84.5%#61Vals AI
CorpFin–60.9%#62Vals AI
TaxEval–71.2%#78Vals AI
CaseLaw v2不计入 Index–51.7%#47Vals AI
Excel Modeling Benchmark不计入 Index–45.4%#58Vals AI
Global-MMLU-Lite (AA)不计入 Index–89.4%#19Artificial Analysis

指令遵循

基准测试无推理mediumhighxhigh来源趋势
LiveBench Language不计入 Index–––71.0%#60LiveBench
LiveBench Instruction Following不计入 Index–––59.8%#59LiveBench
IFBench38.8%#28064.8%#105–73.3%#42Artificial Analysis
Arena Instruction Following不计入 Index––1435#91–Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1447#87–Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1665#41EQ-Bench
Arena Creative Writing不计入 Index1401#108–Arena (LMArena)
Arena Multi-turn不计入 Index1466#74–Arena (LMArena)
Arena Longer Queries不计入 Index1448#97–Arena (LMArena)

多模态

基准测试无推理mediumhighxhigh来源趋势
Arena Vision––1244#68–Arena (LMArena)
MMMU-Pro60.5%#22371.2%#152–73.3%#137Artificial Analysis
MMMU-Pro (Vals)不计入 Index–––79.3%#48Vals AI
MortgageTax不计入 Index–––63.5%#50Vals AI

长上下文

基准测试无推理mediumxhigh来源趋势
AA-LCR v1.137.0%#39467.0%#26177.0%#155Artificial Analysis
MLCR不计入 Index––20.0%#54Artificial Analysis

综合

基准测试无推理mediumxhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–––149.3#70Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index––66.4%#64–LiveBench
AA Intelligence Index v4.3.2不计入 Index11.1#37119.8#24724.1#188–Artificial Analysis
AA Progress Index v1不计入 Index206.7#396254#253287.8#150–Artificial Analysis
Vals Multimodal Index不计入 Index––54.2%#21–Vals AI

GameBench 2, best reasoning setting (Medium): 46.3. 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.

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
OpenAI135 tok/s0.64 s$0.375$2.25400k–
OpenAI118 tok/s0.95 s$0.750$4.50400k–
Azure98 tok/s1.09 s$0.750$4.50400k–

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 $0.075。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$0.0017$0.00141.9 min
总结一份 30 页的报告12,000 / 600$0.012$0.00561.9 min
代码编辑6,000 / 1,500$0.011$0.00822.0 min
智能体编程会话60,000 / 4,000$0.063$0.0332.2 min
结构化信息提取2,000 / 200$0.0024$0.00141.9 min

OpenAI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-5.4 Mini 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。

[![GPT-5.4 Mini on BenchLeader: 综合第 108 名](https://www.benchleader.com/badge/gpt-5-4-mini.svg)](https://www.benchleader.com/models/gpt-5-4-mini)

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 Mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-5-4-mini

BibTeX:

@misc{benchleader_gpt_5_4_mini_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.4 Mini on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-4-mini}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

GPT-5.4 Mini 的基准测试得分是多少?
截至 2026年11月16日,GPT-5.4 Mini(推理强度 xhigh)的 BenchLeader Index 为 55.1 ±5.9。最强的是指令遵循(72),最弱的是智能体与工具(42)。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 Mini 排名第几?
截至 2026年11月16日,GPT-5.4 Mini(推理强度 xhigh)在 608 个已排名配置中排第 220 名。另有 324 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 Mini 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5.4 Mini 的价格为输入每百万 token $0.750、输出每百万 token $4.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.69。
GPT-5.4 Mini 是什么时候发布的?
OpenAI 于 2026年3月17日发布了 GPT-5.4 Mini。BenchLeader 收录了它在 6 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 Mini: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-mini。