GPT-5.4vsClaude Opus 4.6
在 12 个共同 benchmark 中，GPT-5.4 整体领先：GPT-5.4 领先 8 项，Claude Opus 4.6 领先 3 项，持平 1 项，平均分差 +0.25。
GPT-5.4
OpenAI · 2026-03-05 · 多模态大模型
Claude Opus 4.6
Anthropic · 2026-02-05 · 推理大模型
GPT-5.48 项(67%)持平1(25%)3 项Claude Opus 4.6
评测分数
按能力类目分组，每组内按分差大小排列；共 12 项。
General Knowledge
GPT-5.4 领先 3/5| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| ARC-AGI-2 | 77.107 / 59Normal (No Tools) | 66.3015 / 59Extended (no tools) | +10.80 |
| ARC-AGI | 93.707 / 65Normal (No Tools) | 9211 / 65Extended (no tools) | +1.70 |
| GPQA Diamond | 92.8010 / 178极高强度思考（无工具） | 91.3114 / 178Extended (no tools) | +1.49 |
| HLE | 52.1014 / 157极高强度思考（工具） | 5311 / 157Extended (with tools, internet) | -0.90 |
| ARC-AGI-3 | 04 / 6Thinking High (No Tools) | 01 / 6最高（无工具） | 持平 |
AI Agent - Tool Usage
GPT-5.4 领先 2/2| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 75.104 / 46极高强度思考（工具） | 65.4011 / 46Extended (with tools) | +9.70 |
| OSWorld-Verified | 757 / 18极高强度思考（工具） | 72.709 / 18Extended (with tools) | +2.30 |
Math and Reasoning
GPT-5.4 领先 2/2| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| FrontierMath | 47.605 / 60极高强度思考（无工具） | 40.707 / 60最高（无工具） | +6.90 |
| FrontierMath - Tier 4 | 27.1011 / 80极高强度思考（无工具） | 22.9012 / 80最高（无工具） | +4.20 |
Agent Level Benchmark
Claude Opus 4.6 领先 1/1| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 64.3030 / 35Normal (With Tools) | 99.252 / 35Extended (with tools) | -34.95 |
AI Agent - Information Search
Claude Opus 4.6 领先 1/1| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| BrowseComp | 82.7011 / 45极高强度思考（工具） | 847 / 45Thinking (With Tools + Internet) | -1.30 |
Claw-style Agent Evaluation
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | Claude Opus 4.6 | 分差 |
|---|---|---|---|
| Pinch Bench | 90.501 / 37Thinking (With Tools) | 87.407 / 37Thinking (With Tools) | +3.10 |
规格对比
| 字段 | GPT-5.4 | Claude Opus 4.6 |
|---|---|---|
| 发布机构 | OpenAI | Anthropic |
| 发布时间 | 2026-03-05 | 2026-02-05 |
| 模型类型 | 多模态大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1M | 1000K |
| 最大输出 | 125K | 64K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.4 | Claude Opus 4.6 |
|---|---|---|
| 文本输入 | $2.5 / 1M tokens | $0.5 / 1M tokens |
| 文本输出 | $15 / 1M tokens | $25 / 1M tokens |
| 缓存读取 | 暂无公开价格 | $0.5 / 1M tokens |
| 缓存写入 | $0.25 / 1M tokens | $10 / 1M tokens |
小结
- GPT-5.4在以下类目领先:General Knowledge (3/5)、AI Agent - Tool Usage (2/2)、Math and Reasoning (2/2)、Claw-style Agent Evaluation (1/1)
- Claude Opus 4.6在以下类目领先:Agent Level Benchmark (1/1)、AI Agent - Information Search (1/1)
12 个共同 benchmark 上，GPT-5.4 平均高出 0.25 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — GPT-5.4 64.30，Claude Opus 4.6 99.25（分差 -34.95）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。