GPT-5.4 评测详情
GPT-5.4 当前已收录的代表性评测结果包括 LiveBench（2 / 115，得分 80.28）、Pinch Bench（1 / 37，得分 90.50）、GPQA Diamond（10 / 179，得分 92.80）。本页还提供与 2 个竞品模型及 2 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。并附有 2 个数据来源链接供参考。
评测结果
GPT-5.4
评测结果
综合评估
共 14 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 3 项评测评测名称 / 模式
得分
排名/总数
竞品对比
GPT-5.4 与同类主流模型的评测得分对比
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。
10 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当前 | Gemini 3.1 Pro Preview | Claude Opus 4.6 |
|---|---|---|---|
ARC-AGI 综合评估 | 93.70常规模式 | -- | 92.00扩展思考 |
ARC-AGI-2 综合评估 | 77.10常规模式 | 77.10思考水平·高 | 66.30扩展思考 |
HLE 综合评估 | 52.10思考水平·极高 ｜ 工具 | 51.40思考水平·高 ｜ 工具 | 53.00扩展思考 ｜ 工具 |
27.10思考水平·极高 | 16.70思考水平·高 | 22.90思考水平·高 | |
τ²-Bench - Telecom Agent能力评测 | 98.90思考水平·极高 ｜ 工具 | 99.30思考水平·高 ｜ 工具 | 99.25扩展思考 ｜ 工具 |
BrowseComp AI Agent - 信息收集 | 82.70思考水平·极高 ｜ 工具 | 85.90思考水平·高 ｜ 工具 | 84.00开启思考 ｜ 工具 |
MCP-Atlas AI Agent - 工具使用 | 70.60思考水平·极高 ｜ 工具 | -- | 76.80深度思考模式 ｜ 工具 |
OSWorld-Verified AI Agent - 工具使用 | 75.00思考水平·极高 ｜ 工具 | -- | 72.70扩展思考 ｜ 工具 |
Terminal Bench 2.0 AI Agent - 工具使用 | 75.10思考水平·极高 ｜ 工具 | 68.50思考水平·高 ｜ 工具 | 65.40扩展思考 ｜ 工具 |
Pinch Bench OpenClaw智能体能力综合测评 | 90.50开启思考 ｜ 工具 | 86.70开启思考 ｜ 工具 | 87.40开启思考 ｜ 工具 |
GPT-5.4 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
若存在上下文阈值，图中标准价仅适用于以下范围：
GPT-5.4: 标准价适用于 <= 272K
Gemini 3.1 Pro Preview: 标准价适用于 <= 200K
Claude Opus 4.6: 标准价适用于 <= 200K
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5.4 | OpenAI | $2.5 / 1M tokens | $15 / 1M tokens | <= 272K |
Gemini 3.1 Pro Preview | Google Deep Mind | $2 / 1M tokens | $12 / 1M tokens | <= 200K |
Claude Opus 4.6 | Anthropic | $5 / 1M tokens | $25 / 1M tokens | <= 200K |
历代版本对比
GPT-5.4 系列各版本的评测成绩纵向对比
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。
8 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当前 | GPT-5.2 | GPT-5.1 |
|---|---|---|---|
ARC-AGI 综合评估 | 93.70常规模式 | 90.50深度思考模式 | 72.80思考水平·高 |
ARC-AGI-2 综合评估 | 77.10常规模式 | 54.20深度思考模式 | 17.60思考水平·高 |
HLE 综合评估 | 52.10思考水平·极高 ｜ 工具 | 45.50深度思考模式 ｜ 工具 | 42.70思考水平·高 ｜ 工具 |
LiveBench 综合评估 | 80.28深度思考模式 | 48.91常规模式 | 72.04思考水平·高 |
27.10思考水平·极高 | 18.80思考水平·极高 | 12.50思考水平·高 ｜ 工具 | |
τ²-Bench - Telecom Agent能力评测 | 98.90思考水平·极高 ｜ 工具 | 98.70思考水平·极高 ｜ 工具 | 95.60思考水平·高 ｜ 工具 |
BrowseComp AI Agent - 信息收集 | 82.70思考水平·极高 ｜ 工具 | 65.80思考水平·极高 ｜ 工具 | 50.80思考水平·高 |
Terminal Bench 2.0 AI Agent - 工具使用 | 75.10思考水平·极高 ｜ 工具 | -- | 47.60思考水平·高 ｜ 工具 |
单评测历史趋势图
当前查看：ARC-AGI · 综合评估
选择评测
GPT-5.4 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
若存在上下文阈值，图中标准价仅适用于以下范围：
GPT-5.4: 标准价适用于 <= 272K
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
GPT-5.4 | OpenAI | $2.5 / 1M tokens | $15 / 1M tokens | <= 272K |
GPT-5.2 | Facebook AI研究实验室 | $1.75 / 1M tokens | $14 / 1M tokens | — |