自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: AI Agent - 信息收集 +31.9 / 相对落后: Agent能力评测 -14.0
相对优势: Agent能力评测 +14.0 / 相对落后: AI Agent - 信息收集 -31.9
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5.4 · 72.39
单项最高
GPT-5.4 · τ²-Bench - Telecom 98.90
模态覆盖
GPT-5.4 · 2 种模态
正面对比
7
评测基准
7
领先项
0
落后项
+23.87
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
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。
| 评测项 | GPT-5.4 | GPT-5.1 |
|---|---|---|
ARC-AGI 综合评估 | 93.70常规模式 | 72.80思考水平·高 |
ARC-AGI-2 综合评估 | 77.10常规模式 | 17.60思考水平·高 |
HLE 综合评估 | 52.10思考水平·极高 ｜ 工具 | 42.70思考水平·高 ｜ 工具 |
27.10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 | 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 | 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 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | GPT-5.4OpenAI | GPT-5.1OpenAI |
|---|---|---|
核心规格发布时间 | 2026-03-05 | 2025-11-12 |
上下文 | 1M | 400K |
最大输出 | 128000 | 131072 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 暂无模式数据 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Introducing GPT‑5.4 | GPT-5.1: A smarter, more conversational ChatGPT |
DataLearner 博客 | 未提供 | OpenAI发布GPT-5.1：围绕“对话体验、一致性、任务适配性”进行的系统化优化的小幅更新！ |
GPT-5.1
OpenAI
