GPT-5.4

OpenAI · 发布于 2026-03-05

评分规则

综合评分56.4第 28 名 · 覆盖 78%

编程55.8第 35 名 · 覆盖 75%

专业办公51.6第 45 名 · 覆盖 75%

知识问答58.2第 25 名 · 覆盖 100%

科研61.4第 22 名 · 覆盖 67%

上下文窗口

1,050,000 token

API 价格

缓存 ¥1.67 · 输入 ¥16.72 · 输出 ¥100.29

人民币 / 百万 token · — 表示未提供 · 价格来源

Vals AI 维护的基础 API 单价，缓存列为缓存读取；长上下文、批处理等阶梯价格以供应商为准。

评分依据

14 项实测记录。展开可查看原始分、代表配置与测量时间；统一读数由本站计算，不能当作准确率。

实测日期：2026-06-11 至 2026-10-13；另有 10 项未公开测量日期。

本站取数：2026/10/18 06:20:20（北京）。取数更新不代表重新评测，未注明具体版本的成绩不能证明已覆盖最新版本。

本页实际采用的型号与配置（4）

gpt-5.4-xhigh
openai/gpt-5.4-2026-03-05
gpt-5.4-2026-03-05_xhigh
gpt-5.4

编程

55.8

LiveBench CodingLiveBench77.54%统一读数 52.3

来源: LiveBench Coding
上游型号: gpt-5.4-xhigh
运行配置: gpt-5.4-xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Code MigrationVals AI34.98%统一读数 57.0

来源: Code Migration
上游型号: openai/gpt-5.4-2026-03-05
运行配置: xhigh · Vals agentic 统一流程 · 输出上限 128000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

Vibe Code Bench v1.1Vals AI67.42%统一读数 56.6

来源: Vibe Code Bench v1.1
上游型号: openai/gpt-5.4-2026-03-05
运行配置: xhigh · OpenHands · 输出上限 128000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 正常计入

科研

61.4

FrontierMath T1–3 v2Epoch AI78.60%统一读数 65.2

来源: FrontierMath T1–3 v2
上游型号: gpt-5.4-2026-03-05_xhigh
运行配置: gpt-5.4-2026-03-05_xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-06-11
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Chess PuzzlesEpoch AI48.00%统一读数 65.7

来源: Chess Puzzles
上游型号: gpt-5.4-2026-03-05_xhigh
运行配置: gpt-5.4-2026-03-05_xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-10-13
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

Mystery Game PuzzlesEpoch AI37.00%统一读数 60.7

来源: Mystery Game Puzzles
上游型号: gpt-5.4-2026-03-05_xhigh
运行配置: gpt-5.4-2026-03-05_xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-07-24
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

LiveBench ReasoningLiveBench88.12%统一读数 62.2

来源: LiveBench Reasoning
上游型号: gpt-5.4-xhigh
运行配置: gpt-5.4-xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

专业办公

51.6

LiveBench Data AnalysisLiveBench79.31 / 100（任务均分）统一读数 81.5

来源: LiveBench Data Analysis
上游型号: gpt-5.4-xhigh
运行配置: gpt-5.4-xhigh · 表格处理与数据分析，归一化任务均分（非正确率）
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 单项影响已封顶

Harvey's Legal Agent BenchmarkVals AI0.00%统一读数 ≤-63.1

来源: Harvey's Legal Agent Benchmark
上游型号: openai/gpt-5.4-2026-03-05
运行配置: xhigh · Vals agentic 统一流程 · 输出上限 128000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-16 · 本站取数 2026-10-17
评分处理: 单项影响已封顶
仅提供能力上限，不作为精确读数。

MedCodeVals AI41.29%统一读数 43.0

来源: MedCode
上游型号: openai/gpt-5.4-2026-03-05
运行配置: xhigh · Vals one-shot 统一流程 · 输出上限 30000
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-13 · 本站取数 2026-10-17
评分处理: 正常计入

知识问答

58.2

SimpleQA VerifiedEpoch AI45.10%统一读数 52.4

来源: SimpleQA Verified
上游型号: gpt-5.4-2026-03-05_xhigh
运行配置: gpt-5.4-2026-03-05_xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 2026-08-27
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

LiveBench LanguageLiveBench82.63%统一读数 61.9

来源: LiveBench Language
上游型号: gpt-5.4-xhigh
运行配置: gpt-5.4-xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

LiveBench IFLiveBench70.22%统一读数 63.1

来源: LiveBench IF
上游型号: gpt-5.4-xhigh
运行配置: gpt-5.4-xhigh
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新未提供 · 本站取数 2026-10-17
评分处理: 正常计入

真人偏好

55.9

Arena Text · 风格控制Arena1464.74 Elo统一读数 54.7

来源: Arena Text · 风格控制
上游型号: gpt-5.4
运行配置: 官方 Text Overall · style-controlled
配置选择依据: 同型号、同评测优先采用来源声明的最高推理档位；不按分数挑选。未声明档位时保留原始配置。
实测日期: 未提供
数据记录: 来源更新 2026-10-15 · 本站取数 2026-10-17
评分处理: 正常计入

尚未测到（4）

Terminal-Bench 4.0、MysteryMechanism、Terminal-Bench-Science、Finance Agent (v2)

本站独立计算 · 第三方原始评测 · 计算于 2026/10/18 06:20:20（北京时间）

实测由评测机构完成，本站负责统一换算和排名。取数 2026/10/18 06:20:20 · 最近检查 2026/11/2 06:20:09

本次取数或计算未通过，仍展示上次完整榜单。