返回综合榜

GPT-5.4

OpenAI · 2026-03-05 发布 · 10/30 02:05 更新

AICue 评分 · 综合58.7分暂不排名：编程评测还不到 3 类评分不是正确率 · 评测覆盖 43%

可比较分类0/ 4 项分类

已有成绩13项评测

上下文窗口105万Token

API 输入 / 输出 · 每百万 Token¥16.65 / ¥99.92缓存 ¥1.67原价 $2.5 / $15厂商官方价格

CAPABILITY PROFILE

各有所长，看得更清楚。

每个领域单独评分，和综合评分用同一种分数，可以直接比。具体能力请看下面每项成绩。

编程AICue 评分—分这个领域测得还不够2 项评测 · 覆盖 22%科研AICue 评分61.5分暂不排名3 项评测 · 覆盖 43%专业办公AICue 评分59.8分暂不排名3 项评测 · 覆盖 38%知识问答AICue 评分58.5分暂不排名3 项评测 · 覆盖 80%

覆盖比例是这个领域里已有成绩的评测类别占比，不代表能力高低；没测的不补分，也不扣分。

BEHIND THE SCORE

每一项成绩，都有来处。

按领域列出每项公开成绩，以及它折算成的统一分数。展开可查看运行配置与采用方式。

编程56.82 项

LiveBench CodingLiveBench77.5%折算分 56.8+
原榜型号
gpt-5.4-xhigh · 原榜第 39 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/29 02:01 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
APEX-SWEMercor34.3%折算分 52.6+
原榜型号
responses/gpt-5.4 · 原榜第 52 名
代表配置
xHigh 推理 · terminus-2 · apex-swe:terminus-2
该来源对所有模型使用同一受控系统；按预先固定的推理档位优先级选择，配置明细保留，成绩归到基础模型。
本轮采用记录
来源数据待核实 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗

科研61.53 项

CritPtArtificial Analysis23.4%折算分 66.2+
原榜型号
gpt-5-4 · 原榜第 55 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据待核实 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
LiveBench ReasoningLiveBench88.1%折算分 62.1+
原榜型号
gpt-5.4-xhigh · 原榜第 19 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/29 02:01 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
Humanity's Last ExamArtificial Analysis43.7%折算分 60.1+
原榜型号
gpt-5-4 · 原榜第 58 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据待核实 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗

专业办公59.83 项

LiveBench Data AnalysisLiveBench79.3%折算分 66.3+
原榜型号
gpt-5.4-xhigh · 原榜第 16 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/29 02:01 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
APEX-AgentsMercor52.4%折算分 61.6+
原榜型号
responses/gpt-5.4 · 原榜第 32 名
代表配置
xHigh 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent
该来源对所有模型使用同一受控系统；按预先固定的推理档位优先级选择，配置明细保留，成绩归到基础模型。
本轮采用记录
来源数据 09/08 08:00 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
GDPval-AAArtificial Analysis1,256.1折算分 52.7+
原榜型号
gpt-5-4 · 原榜第 118 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据待核实 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗

知识问答58.54 项

LiveBench LanguageLiveBench82.6%折算分 64.4+
原榜型号
gpt-5.4-xhigh · 原榜第 25 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/29 02:01 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
LiveBench IFLiveBench70.2%折算分 61.3+
原榜型号
gpt-5.4-xhigh · 原榜第 25 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/29 02:01 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
AA-LCRArtificial Analysis82.0%折算分 56.4+
原榜型号
gpt-5-4 · 原榜第 50 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据待核实 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗
BullshitBench v2BullshitBench42.0%折算分 50.5+
原榜型号
openai/gpt-5.4 · 原榜第 92 名
代表配置
xHigh 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/14 01:39 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗

真人盲选59.41 项

Arena TextLMArena1,475.3折算分 59.7+
原榜型号
GPT-5.4 (High) · 原榜第 39 名
代表配置
High 推理
按预先固定的规则，采用该来源可用的最高第一方推理档位；选择不参考跑分高低。
本轮采用记录
来源数据 10/28 08:00 · 核验 10/30 02:05 · 实测日期未公开
查看这项评测 →官方来源 ↗

测过，但按规则不计入

这些公开成绩没有计入，原因如下：例如评测方公布超过一半题目被转给了旧型号，或者无法确认测的是哪个版本。

Vibe Code Bench v1.1：该次使用的 Agent 不属于已核实的统一工具流程。

怎么看这些折算分

每项成绩按这项评测的难度折算成同一种分数：难的评测考得一般也能折算出高分，快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均，再向模型的整体水平收一点；同类评测只算一票。相差不到 1 分的两个模型，先后接近抛硬币。

了解计算方法 →