GPT-5.4 2026-03-05
OpenAI · 2026-03-05 发布 · 10/23 20:07 更新
综合评分57.8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9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58.0分暂无足够的可比成绩3 项评测 · 覆盖 43%科研综合评分62.0分暂无足够的可比成绩3 项评测 · 覆盖 29%专业办公综合评分54.0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—分暂无足够的可比成绩1 项评测 · 覆盖 20%
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3 项
科研3 项
专业办公2 项
知识问答1 项
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 · ValsLiveBench · 编程综合SciCode · AAVibe Code Bench 1–100CyberBench Patch v1.1HLE · AALiveBench · 推理与数学CritPt · AAMysteryMechanismTerminal-Bench Science · ValsTerminal-Bench Science · AAGDPval-AAAA-BriefcaseAutomationBench · AAVals Finance AgentAPEX-Agents 1.1τ³-Banking · MercorLiveBench · 数据分析AA-Analyst AgentAA-OmniscienceAA-LCRMLCR-AALiveBench · 语言与指令BullshitBench · 错误前提Arena Text
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。
尚缺能力维度：真人盲选。
了解计算方法 →