BenchLeader

GPT-5.4 Nano

推理强度
质量第 118 / 339 名
53.9Index
高于中位数
较中位数 +3.7
价格第 80 / 255 名
$0.463每百万 token
比多数便宜
中位数的 0.5 倍
速度第 39 / 216 名
145token/秒
前四分之一
中位数的 1.8 倍
性价比第 75 / 255 名
116.4分/$
高于中位数
中位数的 2.1 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 70%。

有 14 个更便宜的已排名模型得分更高:GPT-5.6 Luna (58.2, $0.450)、GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262),另有 11 个。

截至 2026年11月16日,GPT-5.4 Nano(OpenAI)在 BenchLeader Index 上得分 53.9(共 608 个已排名配置)。表现最好的是指令遵循(74),最弱的是推理(38)。API 价格为输入每百万 token $0.200、输出每百万 token $1.25(按 3:1 混合为 $0.463),为 2026年11月16日的标价。输出速度约为 150 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 Nano 的 API 价格为输入每百万 token $0.200、输出每百万 token $1.25(按 3:1 混合为 $0.463)(标价,2026年11月16日)。
  • GPT-5.4 Nano 的输出速度约为 150 token/秒(Artificial Analysis,2026年11月16日)。
  • GPT-5.4 Nano 于 2026年3月17日发布(OpenAI)。

详细说明:GPT-5.4 Nano 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 53.9 ±8.8,在 608 个配置中排第 244 名,处于上半区。关键在于这个“±”:另有 420 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(74),推理最低(38)。按混合价格计,每百万 token $0.463,比大多数已排名模型便宜。输出速度为 145 token/秒,首次回答需 61.3 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3月17日。数据较旧:六个月内没有新结果

混合价格
$0.463/M
输入 $0.200 · 输出 $1.25
来源:Artificial Analysis
输出速度
145 tok/s
由 Artificial Analysis 测量
首次回答
61 s
首 token 0.89 s
上下文
400k
来源:models.dev
完整回答
185 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 Index54
  2. 推理38
  3. 编程49
  4. 智能体与工具61
  5. 指令遵循74
  6. 多模态47
  7. 长上下文63

嵌入这个排名

更多徽章样式
[![GPT-5.4 Nano on BenchLeader: 综合第 119 名](https://www.benchleader.com/badge/gpt-5-4-nano.svg?style=compact)](https://www.benchleader.com/models/gpt-5-4-nano)

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 Nanoxhigh本页2026年3月17日53.9#244
GPT-5 nano2025年8月7日56.2#187
GPT-4.1 nano2025年4月14日36.9#574

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41.8#508120 tok/s1.38 s$0.0005智能体与工具 55 · 编程 42 · 指令遵循 36 · 长上下文 38 · 数学 33 · 多模态 25 · 推理 41
low44.2#47581 tok/s0.89 s$0.0005数学 42 · 推理 40
medium51.4#312135 tok/s6.28 s$0.0005智能体与工具 63 · 指令遵循 64 · 长上下文 58 · 多模态 42 · 推理 34
high48.3#38381 tok/s0.89 s$0.0005智能体与工具 32 · 编程 58 · 人类偏好 57 · 知识 42 · 数学 51 · 多模态 51 · 推理 46
xhigh最佳53.9#244145 tok/s61 s$0.0005智能体与工具 61 · 编程 49 · 指令遵循 74 · 长上下文 63 · 多模态 47 · 推理 38
未说明––81 tok/s0.89 s$0.0005推理 38

Index 走势

2026年9月8日 至 2026年11月16日
354963
  • xhigh
  • medium
  • high
  • low

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 Diamond55.6%#21772.2%#174–78.5%#145––Epoch AI Benchmarking Hub
Arena Hard Prompts–––1421#152––Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index––––81.1%#51–LiveBench
GPQA Diamond (AA)不计入 Index55.8%#408–76.1%#243–81.7%#181–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.1%#567–15.9%#263–28.3%#181–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–––77.5%#74––Vals AI
Kagi LLM Benchmark推理强度未说明–––––39.7%#108Kagi LLM Benchmark
ARC-AGI-1–18.3%#23133.0%#21438.2%#20451.5%#186–ARC Prize
ARC-AGI-2–1.5%#2221.9%#2133.6%#1985.7%#181–ARC Prize
CritPt不计入 Index0.0%#337–5.1%#170–9.3%#142–Artificial Analysis
Arena Expert不计入 Index–––1436#137––Arena (LMArena)
Chess Puzzles不计入 Index2.0%#15120.0%#100–36.0%#5345.0%#31–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index9.0%#1203.0%#1436.0%#1355.0%#137––Epoch AI Benchmarking Hub
LMCA不计入 Index––––36.9%#129–Epoch AI Benchmarking Hub
DTBench不计入 Index––––80.3%#138–Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–––––58.6%#80ForecastBench

编程

基准测试无推理mediumhighxhigh来源趋势
SciCode–––47.2%#142SciCode
WeirdML38.0%#115–49.2%#72–WeirdML
Arena Coding––1460#138–Arena (LMArena)
LiveBench 1.0 Coding不计入 Index–––70.8%#61LiveBench
SciCode (AA)不计入 Index–––47.2%#150Artificial Analysis
LiveCodeBench––84.0%#41–Vals AI
SWE-bench (Vals)不计入 Index––69.8%#62–Vals AI
Code Migration不计入 Index––14.5%#56–Vals AI
Vibe Code Bench v1.1不计入 Index––26.1%#83–Vals AI
ALE-Bench不计入 Index––1004.5#68–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index–––0.5%#172Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index–––60.7%#100Artificial Analysis
GameBench 2 by reasoning setting不计入 Index24.7#18831.1#165––DuelLab GameBench 2

智能体与工具

基准测试无推理mediumhighxhigh来源趋势
LiveBench Agentic Coding不计入 Index–––46.8%#51LiveBench
Terminal-Bench Hard24.2%#14733.3%#93–42.4%#46Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index34.8%#24152.6%#196–76.0%#136Artificial Analysis
Terminal-Bench 2.1 (Vals)––41.6%#68–Vals AI
GDPval-AA v2.1不计入 Index–––954#194Artificial Analysis
τ³-Banking (AA)–––27.4%#78Artificial Analysis
ITBench SRE (AA)不计入 Index12.9%#42––24.4%#37Artificial Analysis
APEX-Agents (AA)不计入 Index–––24.9%#18Artificial Analysis
Finance Agent v2不计入 Index––38.2%#64–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index––0.0%#64–Vals AI
Legal Research Bench不计入 Index––6.3%#86–Vals AI
Tax Agent Bench不计入 Index––5.0%#79–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index––39.9%#33–Vals AI
AutomationBench不计入 Index–––6.0%#195Artificial Analysis
GDP.pdf (AA)不计入 Index–––7.8%#178Artificial Analysis
EnterpriseOps-Gym不计入 Index–––31.5%#41Artificial Analysis
AA-Briefcase v1.1不计入 Index–––674#204Artificial Analysis

数学

基准测试无推理lowhighxhigh来源趋势
FrontierMath Tiers 1–34.6%#11720.4%#9244.9%#61–Epoch AI Benchmarking Hub
FrontierMath Tier 4––12.2%#66–Epoch AI Benchmarking Hub
OTIS Mock AIME46.7%#19968.9%#15387.8%#94–Epoch AI Benchmarking Hub
ProofBench––5.0%#77–Vals AI
LiveBench Mathematics不计入 Index–––91.0%#33LiveBench
AIME (Vals)––88.8%#28–Vals AI
Arena Maths––1424#119–Arena (LMArena)

知识

基准测试highxhigh来源趋势
SimpleQA Verified11.7%#95–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index–67.6%#56LiveBench
MMLU-Pro77.2%#104–Vals AI
LegalBench77.9%#103–Vals AI
CorpFin61.2%#56–Vals AI
TaxEval67.4%#105–Vals AI
CaseLaw v2不计入 Index51.9%#46–Vals AI
Excel Modeling Benchmark不计入 Index44.8%#59–Vals AI
MedCode不计入 Index41.0%#57–Vals AI
MedScribe不计入 Index77.1%#70–Vals AI

指令遵循

基准测试无推理mediumhighxhigh来源趋势
LiveBench Language不计入 Index–––62.5%#66LiveBench
LiveBench Instruction Following不计入 Index–––67.2%#38LiveBench
IFBench32.7%#34364.4%#108–75.9%#24Artificial Analysis
Arena Instruction Following不计入 Index––1386#160–Arena (LMArena)

人类偏好

基准测试high来源趋势
Arena Text1401#157Arena (LMArena)
Arena Creative Writing不计入 Index1337#188Arena (LMArena)
Arena Multi-turn不计入 Index1414#143Arena (LMArena)
Arena Longer Queries不计入 Index1403#165Arena (LMArena)

多模态

基准测试无推理mediumhighxhigh来源趋势
Arena Vision––1196#94–Arena (LMArena)
MMMU-Pro43.8%#27259.5%#229–65.4%#189Artificial Analysis
MMMU-Pro (Vals)不计入 Index––73.6%#58–Vals AI
MortgageTax不计入 Index––59.1%#66–Vals AI

长上下文

基准测试无推理mediumxhigh来源趋势
AA-LCR v1.129.7%#42067.3%#25876.7%#157Artificial Analysis
MLCR不计入 Index––16.1%#79Artificial Analysis

综合

基准测试无推理mediumhighxhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––––146.4#85Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index–––69.6%#56–LiveBench
AA Intelligence Index v4.3.2不计入 Index11.7#35720.0#245–20.7#233–Artificial Analysis
AA Progress Index v1不计入 Index197.2#428248.9#265–270.1#206–Artificial Analysis
Vals Multimodal Index不计入 Index––47.6%#28––Vals AI

GameBench 2, best reasoning setting (Medium): 31.1. 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.

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
OpenAI81 tok/s0.89 s$0.200$1.25400k–
Azure64 tok/s2.83 s$0.200$1.25400k–
OpenAI52 tok/s1.85 s$0.100$0.625400k–

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 $0.020。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$0.0005$0.00041.1 min
总结一份 30 页的报告12,000 / 600$0.0032$0.00151.1 min
代码编辑6,000 / 1,500$0.0031$0.00231.2 min
智能体编程会话60,000 / 4,000$0.017$0.00891.5 min
结构化信息提取2,000 / 200$0.0007$0.00041.0 min

OpenAI 的更多模型

本月新上线

将 GPT-5.4 Nano 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 GPT-5.4 Nano 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 Nano on BenchLeader: 综合第 119 名](https://www.benchleader.com/badge/gpt-5-4-nano.svg)](https://www.benchleader.com/models/gpt-5-4-nano)

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

BibTeX:

@misc{benchleader_gpt_5_4_nano_20261116,
  author       = {{BenchLeader}},
  title        = {{GPT-5.4 Nano on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gpt-5-4-nano}},
  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 Nano 的基准测试得分是多少?
截至 2026年11月16日,GPT-5.4 Nano(推理强度 xhigh)的 BenchLeader Index 为 53.9 ±8.8。最强的是指令遵循(74),最弱的是推理(38)。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 Nano 排名第几?
截至 2026年11月16日,GPT-5.4 Nano(推理强度 xhigh)在 608 个已排名配置中排第 244 名。另有 420 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 Nano 每百万 token 的价格是多少?
截至 2026年11月16日,GPT-5.4 Nano 的价格为输入每百万 token $0.200、输出每百万 token $1.25,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.463。
GPT-5.4 Nano 比 MiniMax M3.1 Flash 更好吗?
截至 2026年11月16日,GPT-5.4 Nano(推理强度 xhigh)与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 53.9 比 54.3,在 ±9.9 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 Nano 是什么时候发布的?
OpenAI 于 2026年3月17日发布了 GPT-5.4 Nano。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 Nano: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-nano。