GPT-5.4vsGPT-5.1
在 10 个共同 benchmark 中，GPT-5.4 整体领先：GPT-5.4 领先 9 项，GPT-5.1 领先 1 项，持平 0 项，平均分差 +18.12。
GPT-5.49 项(90%)(10%)1 项GPT-5.1
评测分数
按能力类目分组，每组内按分差大小排列；共 10 项。
General Knowledge
GPT-5.4 领先 4/4| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| ARC-AGI-2 | 77.107 / 59Normal (No Tools) | 17.6033 / 59 | +59.50 |
| HLE | 52.1014 / 157极高强度思考（工具） | 26.5083 / 157 | +25.60 |
| ARC-AGI | 93.707 / 65Normal (No Tools) | 72.8025 / 65 | +20.90 |
| GPQA Diamond | 92.8010 / 178极高强度思考（无工具） | 88.1028 / 178 | +4.70 |
Math and Reasoning
GPT-5.4 领先 2/2| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| FrontierMath | 47.605 / 60极高强度思考（无工具） | 26.7013 / 60Thinking High (With Tools) | +20.90 |
| FrontierMath - Tier 4 | 27.1011 / 80极高强度思考（无工具） | 12.5029 / 80Thinking High (With Tools) | +14.60 |
Agent Level Benchmark
GPT-5.1 领先 1/1| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 64.3030 / 35Normal (With Tools) | 95.6014 / 35Thinking High (With Tools) | -31.30 |
AI Agent - Information Search
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| BrowseComp | 82.7011 / 45极高强度思考（工具） | 50.8036 / 45Thinking High (No Tools) | +31.90 |
AI Agent - Tool Usage
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 75.104 / 46极高强度思考（工具） | 47.6037 / 46Thinking High (With Tools) | +27.50 |
Coding and Software Engineer
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.1 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 57.7010 / 43极高强度思考（无工具） | 50.8030 / 43Thinking High (No Tools) | +6.90 |
规格对比
| 字段 | GPT-5.4 | GPT-5.1 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2026-03-05 | 2025-11-12 |
| 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 | 400K |
| 最大输出 | 125K | 128K |
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 | GPT-5.1 |
|---|---|---|
| 文本输入 | $2.5 / 1M tokens | 暂无公开价格 |
| 文本输出 | $15 / 1M tokens | 暂无公开价格 |
| 缓存写入 | $0.25 / 1M tokens | 暂无公开价格 |
部分模型公开价格不完整，缺失字段按"暂无公开价格"展示。
小结
- GPT-5.4在以下类目领先:General Knowledge (4/4)、Math and Reasoning (2/2)、AI Agent - Information Search (1/1)、AI Agent - Tool Usage (1/1)、Coding and Software Engineer (1/1)
- GPT-5.1在以下类目领先:Agent Level Benchmark (1/1)
10 个共同 benchmark 上，GPT-5.4 平均高出 18.12 分。
单项差距最大的 benchmark：ARC-AGI-2 — GPT-5.4 77.10，GPT-5.1 17.60（分差 +59.50）。
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。