GPT-5.4 Pro
OpenAI· 2026-03-05 上线
综合榜暂不排名：评测成绩还不够
编程
48.2
科研
60.9第 14 名
专业办公
—
知识问答
56.2第 20 名
- 评测覆盖
- 8 / 25 项 · 32%
- 缓存输入
- —
- 输入
- ¥201.76
- 输出
- ¥1,210.55
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| WeirdML | 57.4% | 48.2 | none | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 82.5% | 59.9 | xhigh | 66 |
| FrontierMath（4 级） | 58.5% | 56.1 | xhigh | 57 |
| CritPt | 30.0% | 66.8 | xhigh | 101 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 46.3% | 50.1 | xhigh | 65 |
| GPQA Diamond | 94.6% | 56.2 | xhigh | 84 |
| Humanity's Last Exam | 44.3% | 57.7 | 未注明 | 17 |
| SimpleBench | 74.1% | 60.8 | 未注明 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 83.3% | 不计分 | xhigh | 52 |
| ARC-AGI | 94.5% | 不计分 | xhigh | 52 |
| 国际象棋谜题 | 59.0% | 不计分 | xhigh | 88 |
原始成绩取这个模型各个推理档位（none、xhigh、未注明）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。