GPT-5.4 官方规格参数、API 定价与评测档案
OpenAI 2026 春季代表性旗舰,在 AIME 2026 (99.2%) 与 Terminal-Bench 2.0 (75.1%) 创下里程碑成绩,至今仍是各大论文的核心对比基线。
📋 GPT-5.4 官方 API 技术规格与计费参数总表
核验自 OpenAI 官方开发者文档与公开定价页(核验日期 2026-11-20)
1. 模型标识与能力开关
API Spec- 官方调用 Model ID
- gpt-5.4
- 版本发布日期
- 2026-03-05
- 权重授权形态
- 闭源商业权重 (未公开参数量)
- 原生深度推理思考
- ✅ 支持 (可调思考预算)
- Function Calling & JSON Schema
- ✅ 原生支持
- Batch API 异步批处理
- ✅ 支持 (通常享 5 折)
2. 上下文、输出上限与模态
Limits- 最大输入上下文窗口
- 1,050,000 tokens (1050K)
- 单次最大输出上限
- 128,000 tokens
- 支持输入模态
- Text + Image + PDF
- 支持输出模态
- Text
- 中国大陆网络直连
- 🌐 需海外网络或 OpenRouter 聚合
- 分发与部署形态
- 仅官方云端 API(不开放私有权重)
3. 官方 Token 单价与缓存阶梯
USD / 1M- 标准输入单价 (每百万)
- $ 2.5
- Prompt 缓存命中输入
- $ 0.25 -90%
- 标准输出单价 (每百万)
- $ 15
- 长上下文阶梯与计费备注
- ≤272K 基础费率 ($2.5/$15);>272K 阶梯费率 ($5/$22.5)
🏆 GPT-5.4 官方基准评测成绩单
摘录自官方 System Card / Model Card 与权威公开横评表
2026 年美国数学邀请赛(AIME I & II)全部 30 道竞赛真题,要求输出 000–999 精确整数答案,检验奥数级推理能力。
研究生级物理、化学与生物高难防搜索推理选择题
MMLU 进阶推理增强版,将选项从 4 个扩充至 10 个并剔除简单记忆题,重点考察跨学科复杂计算与多步逻辑推理。
真实桌面操作系统多模态智能体评测验证集(OSWorld-Verified),在 Ubuntu、Windows 与 macOS 虚拟机中直接操控鼠标键盘完成跨软件任务。
🎛️ 官方调用采样与思考参数指南
API / 推理引擎调用时的最佳超参数与约束说明
📊 GPT-5.4 全量评测成绩与维度排名
共 27 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20
💻 代码工程 5 项
Terminal-Bench 2.0 真实终端环境智能体评测,衡量命令行工具链操控与长链路工程任务完成率。
大规模模型上下文协议(MCP)工具协同基准,评估智能体在复杂多步任务中协调、组合调用数十种外部 MCP 工具的真实成功率。
SWE-Bench 高阶专业版,聚焦需要跨文件长链推理与复杂架构改动的真实工业级软件工程任务。
面向数小时至数十小时开放式大型工程项目(系统性能优化、大规模代码构建、应用机器学习研发)的前沿软件工程评测。
基于隔离容器环境与 mini-swe-agent 框架评测的软件工程智能体实战基准(v1.1)。
🤖 Agent 与工具调用 6 项
τ²-Bench 电信故障排查双控环境评测,智能体与模拟用户双方均可操作设备工具,考验协同排障与沟通引导能力。
OpenAI 发布的深度联网搜索基准,含 1,266 道需要智能体在互联网上反复检索、交叉核实才能找到隐蔽线索的高难多跳检索题。
真实桌面操作系统多模态智能体评测验证集(OSWorld-Verified),在 Ubuntu、Windows 与 macOS 虚拟机中直接操控鼠标键盘完成跨软件任务。
评估智能体处理企业财务数据、执行精确比率计算并撰写投研分析结论的金融基准。
「工具十项全能」基准(Toolathlon),横跨 10 类真实业务场景全面检验智能体的多工具选择、编排顺序与容错执行能力。
Harvey 开源的长周期专业法律智能体基准(LAB),采用严格全通过(All-Pass)专家评分细则检验合同审查与法律检索质量。
📐 数学 3 项
👁️ 多模态与视觉 4 项
通用人工智能抽象推理基准(ARC-AGI),通过彩色网格变换谜题测试模型在零先验下的归纳概括与流体智力。
全方位复杂版面文档视觉解析基准(1.5),综合评测多栏论文、财报表格、公式识别(OCR)、阅读顺序还原与文档问答。
MMMU 抗猜题增强版大学多学科多模态基准,剔除了仅靠纯文本就能猜对的题目并引入纯视觉输入截图模式,严格考察图文深度融合推理。
第二代抽象与推理语料库(ARC-AGI-2),升级了多步符号组合与视觉网格规则归纳难度,检验真正的举一反三能力。
📜 长上下文 4 项
包含 503 道高难度真实长文本多任务选择题的深度理解基准,覆盖单文档/多文档问答、长代码库理解与长对话推理。
超 128K 上下文图结构父节点回溯推理评测,考察大规模关系网结构理解。
多轮对话共指消解长文本基准 v2(8 针高难版),要求模型在超长多轮对话中同时精准追踪、区分并还原 8 处极易混淆的细节信息。
超 128K 上下文图结构广度优先搜索(BFS)推理评测,检验模型在超长文本中维持多跳结构化遍历的能力。
🧠 推理与科学 4 项
128K 上下文以内的图结构广度优先搜索(BFS)多跳可达节点推理评测。
研究生级防搜索科学问答基准(GPQA Diamond),含 448 道物理、化学与生物学专家编写的高难度选择题(人类博士跨领域准确率仅约 65%),重点检验深度专业推理。
Google 发布的忠实度接地基准,给定最长 32K 的参考文档,严格评估模型回答是否完全忠于原文事实且无编造幻觉。
128K 上下文以内的图结构父节点追踪推理评测。
来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。
想私有化部署?能力最接近 GPT-5.4 的开源权重平替模型
以下开源模型提供完整 HuggingFace 权重与 config.json,支持本地 GPU / Mac / 国产算力卡私有部署
常见问题解答 (FAQ)
GPT-5.4 是开源模型还是闭源商业模型?能本地部署吗?
GPT-5.4 是由 OpenAI 研发的闭源商业大模型(官方调用 ID 为 gpt-5.4),未公开模型权重与底层网络层数,因此不支持本地显卡私有部署,需通过官方 API 或云端网关按 Token 计费调用。如需私有化部署,可参考本页底部的同档位开源平替模型。
GPT-5.4 的最大上下文窗口、单次最大输出和 API 价格是多少?
GPT-5.4 支持最高 1,050K 上下文输入与 128,000 tokens 单次输出,支持输入模态包括 Text、Image、PDF。官方标准费率为每百万输入 $2.5、缓存命中输入 $0.25、每百万输出 $15。