GPT-5.4 mini 评测详情

GPT-5.4 mini 当前已收录的代表性评测结果包括 GPQA Diamond（73 / 274，得分 88）、Creative Writing（34 / 106，得分 1661.80）、HLE（70 / 197，得分 41.50）。本页还提供与 2 个竞品模型及 1 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。

评测结果

GPT-5.4 mini

评测结果

综合评估

共 7 项评测

评测名称 / 模式

得分

排名/总数

LiveBench

常规模式

36.95

114 / 117

LiveBench

低

49.54

95 / 117

LiveBench

中

58.33

78 / 117

LiveBench

高

63.57

56 / 117

LiveBench

深度思考模式

66.37

50 / 117

HLE

极高

28.20

115 / 197

HLE

极高工具

41.50

70 / 197

科学与综合推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

GPQA Diamond

常规模式

64.14

221 / 274

GPQA Diamond

极高

73 / 274

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1661.80

34 / 106

数学推理

共 5 项评测

评测名称 / 模式

得分

排名/总数

FrontierMath v2

常规模式

17.19

54 / 58

FrontierMath v2

低

24.56

47 / 58

FrontierMath v2

极高

51.23

29 / 58

FrontierMath Tier 4 v2

极高

9.76

33 / 42

FrontierMath - Tier 4

高

2.10

56 / 80

编程与软件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-Bench Pro - Public

极高工具

54.40

34 / 62

Agent能力评测

共 1 项评测

评测名称 / 模式

得分

排名/总数

τ²-Bench - Telecom

极高工具

93.40

18 / 36

AI Agent - 工具使用

共 4 项评测

评测名称 / 模式

得分

排名/总数

OSWorld-Verified

极高工具

72.10

18 / 26

Terminal Bench 2.0

极高工具

19 / 48

MCP-Atlas

极高工具

56.70

37 / 41

Tool Decathlon

极高工具

42.90

5 / 10

文本向量检索

共 5 项评测

评测名称 / 模式

得分

排名/总数

Context Arena

常规模式

23.34

119 / 126

Context Arena

低

39.26

99 / 126

Context Arena

中

47.64

91 / 126

Context Arena

高

49.60

90 / 126

Context Arena

极高

50.92

88 / 126

OpenClaw智能体能力综合测评

共 1 项评测

评测名称 / 模式

得分

排名/总数

Claw Bench

开启思考工具

75.30

25 / 29

与其他模型对比

竞品对比

GPT-5.4 mini 与同类主流模型的评测得分对比

GPT-5.4 miniHaiku 4.5 Gemini 3.0 Flash

评测类别:

柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。

9 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。

评测项	GPT-5.4 mini当前	Haiku 4.5	Gemini 3.0 Flash
HLE Accuracy 综合评估	41.50思考水平·极高｜工具	9.70扩展思考	43.50开启思考｜工具
LiveBench Accuracy 综合评估	66.37深度思考模式	61.3264K	72.40思考水平·高
GPQA Diamond Accuracy 科学与综合推理	88.00思考水平·极高	73.30扩展思考	90.40开启思考
FrontierMath - Tier 4 Accuracy 数学推理	2.10思考水平·高	2.1032K	4.20常规模式
SWE-Bench Pro - Public Accuracy 编程与软件工程	54.40思考水平·极高｜工具	39.45扩展思考｜工具	49.60思考水平·高｜工具
MCP-Atlas Pass rate / claim coverage AI Agent - 工具使用	56.70思考水平·极高｜工具	40.20常规模式｜工具	62.00常规模式｜工具
Terminal Bench 2.0 Accuracy AI Agent - 工具使用	60.00思考水平·极高｜工具	--	47.60开启思考｜工具
Context Arena Accuracy (8 needles, 4K-128K context) 文本向量检索	50.92思考水平·极高	36.27开启思考	--
Claw Bench Accuracy OpenClaw智能体能力综合测评	75.30开启思考｜工具	89.40开启思考｜工具	85.70开启思考｜工具

GPT-5.4 mini 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。

数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens

模型	供应商	标准输入	标准输出	标准价适用于
GPT-5.4 mini	OpenAI	$0.75 / 1M tokens	$4.5 / 1M tokens	—
Haiku 4.5	Anthropic	$1 / 1M tokens	$5 / 1M tokens	—
Gemini 3.0 Flash	Google Deep Mind	$0.5 / 1M tokens	$3 / 1M tokens	—

历代版本对比

GPT-5.4 mini 系列各版本的评测成绩纵向对比

GPT-5.4 miniGPT-5-mini

评测类别:

7 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项	GPT-5.4 mini当前	GPT-5-mini
HLE Accuracy 综合评估	41.50思考水平·极高｜工具	5.00开启思考
LiveBench Accuracy 综合评估	66.37深度思考模式	65.91思考水平·高
GPQA Diamond Accuracy 科学与综合推理	88.00思考水平·极高	69.00开启思考
Creative Writing Elo、大模型评判两两对战写作和创作	1661.80常规模式	1310.30常规模式
FrontierMath - Tier 4 Accuracy 数学推理	2.10思考水平·高	6.30思考水平·高
FrontierMath Tier 4 v2 Accuracy (verification_code) 数学推理	9.76思考水平·极高	12.20思考水平·高
FrontierMath v2 Accuracy (verification_code) 数学推理	51.23思考水平·极高	46.67思考水平·高

单评测历史趋势图

当前查看：HLE · 综合评估

选择评测

常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间，纵轴为分数；同一模式会用实线串起版本变化，同代不同模式继续用虚线辅助对齐。

GPT-5.4 mini 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。

数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · USD / 1M tokens

模型	供应商	标准输入	标准输出	标准价适用于
GPT-5.4 mini	OpenAI	$0.75 / 1M tokens	$4.5 / 1M tokens	—
GPT-5-mini	OpenAI	$0.25 / 1M tokens	$2 / 1M tokens	—