GPT-5.4 Mini
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
- 综合 Index55
- 推理51
- 编程58
- 智能体与工具42
- 数学51
- 知识55
- 指令遵循72
- 多模态56
- 长上下文63
嵌入这个排名
更多徽章样式[](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。
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 mini | 2025年8月7日 | 56.6 | #176 |
| GPT-4.1 minihigh | 2025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 | #466 | 138 tok/s | 1.37 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/s | 0.98 s | $0.0017 | 数学 38 · 推理 30 |
| medium | 53.3 | #263 | 175 tok/s | 5.99 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 |
| high | 52.0 | #290 | 99 tok/s | 0.98 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 | #220 | 200 tok/s | 112 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/s | 0.98 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- 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 | low | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| GPQA Diamond | 64.1%#197 | – | – | 83.6%#111 | 86.9%#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 Index | 60.6%#378 | – | 82.3%#175 | – | 87.5%#98 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.9%#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%#110 | Kagi LLM Benchmark | |
| ARC-AGI-1 | – | 13.0%#239 | 40.8%#200 | 58.0%#172 | 63.7%#162 | – | ARC Prize | |
| ARC-AGI-2 | – | 1.1%#235 | 4.4%#191 | 13.2%#161 | 18.9%#152 | – | ARC Prize | |
| CritPt不计入 Index | 0.0%#337 | – | 2.9%#201 | – | 10.0%#135 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | – | – | 1482#72 | – | – | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 2.0%#151 | – | – | 23.0%#88 | 17.0%#112 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | 11.0%#116 | 8.0%#124 | 7.0%#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%#72 | ForecastBench |
编程
| 基准测试 | 无推理 | medium | high | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| SciCode | – | – | – | 52.1%#100 | – | SciCode | |
| WeirdML | 37.9%#116 | – | 60.3%#50 | – | – | WeirdML | |
| FrontierCode推理强度未说明 | – | – | – | – | 27.0%#34 | Cognition | |
| 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 Index | 26.4#184 | 46.3#108 | – | – | – | DuelLab GameBench 2 |
智能体与工具
数学
| 基准测试 | 无推理 | low | high | xhigh | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 17.2%#104 | 24.6%#86 | – | 51.2%#57 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | – | 9.8%#69 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 26.7%#225 | – | 87.2%#95 | 88.9%#86 | Epoch AI Benchmarking Hub | |
| ProofBench | – | – | – | 21.0%#52 | Vals AI | |
| LiveBench Mathematics不计入 Index | – | – | – | 78.5%#63 | LiveBench | |
| AIME (Vals) | – | – | – | 95.6%#8 | Vals AI | |
| Arena Maths | – | – | 1439#98 | – | Arena (LMArena) |
知识
| 基准测试 | high | xhigh | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 29.4%#78 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index | – | 70.8%#49 | LiveBench | |
| MMLU-Pro | – | 84.5%#61 | Vals AI | |
| CorpFin | – | 60.9%#62 | Vals AI | |
| TaxEval | – | 71.2%#78 | Vals AI | |
| CaseLaw v2不计入 Index | – | 51.7%#47 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | – | 45.4%#58 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | – | 89.4%#19 | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | medium | high | xhigh | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| LiveBench Language不计入 Index | – | – | – | 71.0%#60 | LiveBench | |
| LiveBench Instruction Following不计入 Index | – | – | – | 59.8%#59 | LiveBench | |
| IFBench | 38.8%#280 | 64.8%#105 | – | 73.3%#42 | Artificial 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 Text | 1447#87 | – | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1665#41 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1401#108 | – | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1466#74 | – | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1448#97 | – | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | medium | high | xhigh | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1244#68 | – | Arena (LMArena) | |
| MMMU-Pro | 60.5%#223 | 71.2%#152 | – | 73.3%#137 | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | – | – | – | 79.3%#48 | Vals AI | |
| MortgageTax不计入 Index | – | – | – | 63.5%#50 | Vals AI |
长上下文
| 基准测试 | 无推理 | medium | xhigh | 来源 | 趋势 |
|---|---|---|---|---|---|
| AA-LCR v1.1 | 37.0%#394 | 67.0%#261 | 77.0%#155 | Artificial Analysis | |
| MLCR不计入 Index | – | – | 20.0%#54 | Artificial Analysis |
综合
| 基准测试 | 无推理 | medium | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 149.3#70 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | – | – | 66.4%#64 | – | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 11.1#371 | 19.8#247 | 24.1#188 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 206.7#396 | 254#253 | 287.8#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 |
|---|---|---|---|---|---|---|
| OpenAI | 135 tok/s | 0.64 s | $0.375 | $2.25 | 400k | – |
| OpenAI | 118 tok/s | 0.95 s | $0.750 | $4.50 | 400k | – |
| Azure | 98 tok/s | 1.09 s | $0.750 | $4.50 | 400k | – |
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 | $0.0014 | 1.9 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.012 | $0.0056 | 1.9 min |
| 代码编辑 | 6,000 / 1,500 | $0.011 | $0.0082 | 2.0 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.063 | $0.033 | 2.2 min |
| 结构化信息提取 | 2,000 / 200 | $0.0024 | $0.0014 | 1.9 min |
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。
[](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}
}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。