GPT-5.4vsGPT-5.2
在 21 个同模式 benchmark 中，GPT-5.4 整体领先：GPT-5.4 领先 14 项，GPT-5.2 领先 6 项，持平 1 项，平均分差 +8.33。另有 7 项测试模式不同，仅供参考。
GPT-5.414 项(67%)持平1(29%)6 项GPT-5.2
评测分数
按能力类目分组，每组内按分差大小排列；共 21 项。
数学
GPT-5.4 领先 3/3| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| FrontierMath Tier 4 v2 | 4925 / 71Extra-High (With Tools) | 31.7036 / 71Extra-High (With Tools) | +17.30 |
| FrontierMath v2 | 78.6017 / 114Extra-High (With Tools) | 67.4027 / 114Extra-High (With Tools) | +11.20 |
| FrontierMath - Tier 4 | 27.1011 / 80Extra-High (No Tools) | 18.8016 / 80Extra-High (No Tools) | +8.30 |
临床工作与医疗决策
GPT-5.2 领先 2/2| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| MedCode | 41.2942 / 66Extra-High (With Tools) | 49.7513 / 66Extra-High (With Tools) | -8.46 |
| MedScribe | 77.5547 / 68Extra-High (With Tools) | 84.3924 / 68Extra-High (With Tools) | -6.84 |
科学知识与推理
GPT-5.4 领先 1/2| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| GPQA Diamond | 89.9043 / 253Thinking High (No Tools) | 88.1958 / 253Thinking High (No Tools) | +1.70 |
| CritPt | 0.60172 / 204Normal (No Tools) | 0.60172 / 204Normal (No Tools) | 持平 |
事实查找与深度检索
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| BrowseComp | 82.7018 / 58Extra-High (With Tools) | 65.8034 / 58Extra-High (With Tools) | +16.90 |
写作与创意表达
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| Creative Writing | 1,84019 / 112Normal (No Tools) | 1,70329 / 112Normal (No Tools) | +136.80 |
图像感知与视觉推理
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| MMMU-Pro | 70.60126 / 231Normal (No Tools) | 65.80152 / 231Normal (No Tools) | +4.80 |
多轮记忆与持续上下文
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| EBR-bench | 25.4011 / 23Extra-High (With Tools) | 23.0212 / 23Extra-High (With Tools) | +2.38 |
客服与业务流程
GPT-5.2 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| SAGE | 43.3138 / 65Extra-High (With Tools) | 49.2715 / 65Extra-High (With Tools) | -5.96 |
抽象归纳与泛化
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| ARC-AGI-1 | 93.6746 / 226Extra-High (No Tools) | 86.17102 / 226Extra-High (No Tools) | +7.50 |
机器学习工程
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| WeirdML v2 | 57.4432 / 53Normal (With Tools) | 49.6038 / 53Normal (With Tools) | +7.84 |
程序生成与编辑
GPT-5.2 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| Vibe Code Bench v1.1 | 48.4742 / 66Extra-High (With Tools) | 53.5038 / 66Extra-High (With Tools) | -5.03 |
维护、优化与工程管理
GPT-5.2 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| GSO | 25.499 / 22Thinking High (With Tools) | 27.407 / 22Thinking High (With Tools) | -1.91 |
综合偏好评测
GPT-5.2 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| Text Arena (Coding) | 1,45725 / 36Thinking High (No Tools) | 1,48019 / 36Thinking High (No Tools) | -22.77 |
综合知识考试
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| HLE | 36.24103 / 238Extra-High (No Tools) | 34.50110 / 238Extra-High (No Tools) | +1.74 |
自主开发与终端任务
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| Terminal Bench Hard | 37.9059 / 244Normal (With Tools) | 31.8099 / 244Normal (With Tools) | +6.10 |
跨应用与工具编排
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| MCP-Atlas | 70.6031 / 50Extra-High (With Tools) | 67.6038 / 50Extra-High (With Tools) | +3 |
跨能力综合测试
GPT-5.4 领先 1/1| 评测项 | GPT-5.4 | GPT-5.2 | 分差 |
|---|---|---|---|
| LiveBench | 75.0744 / 157Thinking High (No Tools) | 74.6347 / 157Thinking High (No Tools) | +0.44 |
测试模式不同的成绩
共 7 项。两款模型的公开成绩来自不同测试模式，分数不直接可比，不计入胜负和平均分差。
| 评测项 | GPT-5.4 | GPT-5.2 |
|---|---|---|
| AIME 2026 | 99.17Extra-High (With Tools) | 98.33Thinking High (With Tools) |
| FrontierMath | 47.60Extra-High (No Tools) | 40.30Extra-High (With Tools) |
| HMMT Feb 2026 | 97.73Extra-High (With Tools) | 96.97Thinking High (With Tools) |
| MathArena Apex | 54.17Extra-High (With Tools) | 13.54Thinking High (With Tools) |
| SWE-Bench Pro - Public | 57.70Extra-High (No Tools) | 55.60Extra-High (With Tools) |
| τ²-Bench - Telecom | 64.30Normal (With Tools) | 89.69Thinking High (With Tools) |
| τ³-Banking | 39.43Extra-High (With Tools) | 11.10Normal (With Tools) |
规格对比
| 字段 | GPT-5.4 | GPT-5.2 |
|---|---|---|
| 发布机构 | OpenAI | OpenAI |
| 发布时间 | 2026-03-05 | 2025-12-11 |
| 模型类型 | 多模态大模型 | 聊天大模型 |
| 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 | 暂无数据 |
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-5.2 |
|---|---|---|
| 文本输入 | $2.5 / 1M tokens | $1.75 / 1M tokens |
| 文本输出 | $15 / 1M tokens | $14 / 1M tokens |
| 缓存读取 | $0.25 / 1M tokens | $0.175 / 1M tokens |
| 缓存写入 | 暂无公开价格 | $0 / 1M tokens |
小结
- GPT-5.4在以下类目领先:数学 (3/3)、科学知识与推理 (1/2)、事实查找与深度检索 (1/1)、写作与创意表达 (1/1)、图像感知与视觉推理 (1/1)、多轮记忆与持续上下文 (1/1)、抽象归纳与泛化 (1/1)、机器学习工程 (1/1)、综合知识考试 (1/1)、自主开发与终端任务 (1/1)、跨应用与工具编排 (1/1)、跨能力综合测试 (1/1)
- GPT-5.2在以下类目领先:临床工作与医疗决策 (2/2)、客服与业务流程 (1/1)、程序生成与编辑 (1/1)、维护、优化与工程管理 (1/1)、综合偏好评测 (1/1)
21 个同模式 benchmark 上，GPT-5.4 平均高出 8.33 分。
单项差距最大的 benchmark：Creative Writing — GPT-5.4 1,840，GPT-5.2 1,703（分差 +136.80）。
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。