GPT-5.4
OpenAI · 2026-03-05 发布 · 10/23 14:07 更新
综合评分60.6分暂无足够的可比证据 · 证据覆盖 29%
可比较分类0/ 4 项分类
已有成绩8项评测
上下文窗口105万Token
各有所长，看得更清楚。
每类单独评分，越高表示该分类表现越强。具体能力请看原始成绩与配置。
编程综合评分—分暂无足够的可比成绩1 项评测 · 覆盖 14%科研综合评分—分暂无足够的可比成绩1 项评测 · 覆盖 14%专业办公综合评分62.7分暂无足够的可比成绩2 项评测 · 覆盖 25%知识问答综合评分60.1分暂无足够的可比成绩2 项评测 · 覆盖 60%
评分和参考位次只在同一分类、同一轮内比较。缺测不补分；覆盖比例不代表能力高低。
每一项成绩，都有来处。
下面是该模型的公开汇总成绩。展开可查看运行配置与采用方式。
编程1 项
科研1 项
专业办公2 项
知识问答3 项
真人盲选1 项
测过，但按规则不计入
这些公开成绩未满足本榜的可比条件，具体原因如下。统一固定工具、全程使用同一型号可以采用；多模型回退、混合模型与专属异构 Agent 系统不混入模型榜。资料未说明的项目保留未知。
- Vibe Code Bench v1.1：该次使用的 Agent 不属于已核实的统一工具流程。
尚无成绩的评测
这些评测尚无可采用的公开成绩，缺测不补分。
Terminal-Bench 4.0 · AATerminal-Bench 4.0 · ValsSciCode · AACode MigrationProgramBenchVibe Code Bench 1–100CyberBench Patch v1.1HLE · AAFrontierMath v2 · Tiers 1–3CritPt · AAChess PuzzlesMystery Game PuzzlesMysteryMechanismTerminal-Bench Science · ValsTerminal-Bench Science · AAGDPval-AAAA-BriefcaseAutomationBench · AAVals Finance AgentHarvey Legal Agent Benchmarkτ³-Banking · MercorMedCodeAA-Analyst AgentAA-OmniscienceSimpleQA VerifiedAA-LCRMLCR-AA
还有一些未知
参考顺序只概括已取得的公开证据，缺测不补分。不同运行配置、未知误差与新评测都可能改变顺序，相邻位次不等于已证明的能力差距。
了解计算方法 →