GPT-5.4 · 官方评测披露
GPT-5.4 当前收录 26 项测试的官方记录。已完成列明材料的核查。
模型发布 · GPT 无后缀型号
官方材料与核查范围
The retained GPT-5.4 release article and comparison article, plus the current saved 40-page system card, were fully reviewed for this record. The system card’s Table 6 values and safety/capability-risk scope were checked; current status is bounded by the actual saved editions, whose latest upstream revision dates are unknown. 核对时间 。
当前资料不足以还原首发。 当前官方页面不是可验证的首发快照。
- GPT-5.4 震撼登场 | OpenAI · 主文 · Official article; page date label 2026-03-05; current page revision date unknown.公布 未确认 · 采集 · 已核查 已核读留存的官方发布主文和常规表格;来源页日期标注 2026-03-05,当前上游修订日期未知。
- GPT-5.4 Thinking System Card | OpenAI · 附件 · Official GPT-5.4 Thinking System Card current saved edition; all 40 PDF pages and HTML were read, and rendered pages/figures were visually checked. The version publication date is not stated.公布 未确认 · 采集 · 已核查 官方当前留存 HTML/PDF 全文已读;40 页均已渲染视觉检查。补录 HealthBench Table 6 四项主体结果;安全、攻防、生物风险和自我改进实验仅作范围核读,不并入常规成绩。
- GPT-5.4 mini 与 nano 正式发布 | OpenAI · 主文 · Official comparison article dated 2026-03-17; the locally saved English article body and all six result tables were read. The live page revision date is unknown.公布 未确认 · 采集 · 已核查 留存官方英文对照主文及六张成绩表已全文核读;GPT-5.4 相关 GPQA 行与原有差异记录已保留。
配置
- GPT-5.4 (xhigh) · The release article states evaluations use xhigh unless otherwise noted. xhigh
- GPT-5.4 Pro · Pro model variant; the article reports Pro separately from GPT-5.4. 未知项 The Pro column is not a reasoning-effort label; the exact effort for each Pro evaluation is not separately stated.
- GPT-5.4 (none) · 官方“未开启推理的评估”表明确列名 GPT-5.4 (none)。 none未知项 除表格与主文说明外,完整采样与评测脚手架未注明。
- GPT-5.4 system-card evaluation · effort unspecified · GPT-5.4 as named in system-card Table 6; reasoning effort and tool settings are not stated. 未知项 Reasoning effort、Tool access, grader details, and run settings
直接前代与后续发布
在 ChatGPT 中,GPT‑5.4 Thinking 自即日起向 ChatGPT Plus、Team 及 Pro 用户开放,并取代 GPT‑5.2 Thinking。
10 项披露延续 · 16 项新增 · 3 项本次未见 · 0 项待核查
测试记录 · 26
- GDPval · 44 occupations; exact task set/version unspecified in release articles本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- SWE-Bench Pro · Public本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- Terminal-Bench · 2.0;代理框架按协议区分本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- OSWorld-Verified · Verified benchmark; evaluation protocol noted per source本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- Toolathlon · Release article does not state benchmark version or scoring protocol (2026-03)本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- BrowseComp · 1,266 题;单代理与多代理按协议区分本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- GPQA Diamond · 198-question Diamond subset本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录)
- Humanity's Last Exam · 2,500-question benchmark本次发布有 4 条成绩记录,含 4 条精确值(可含历史记录)
- ARC-AGI-1 · Verified set; release article does not specify task count本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- ARC-AGI-2 · Verified;题集组成未在发布表中说明本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- FinanceAgent · v1.1本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- OfficeQA · 题集与精确计分协议未注明本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- MMMU-Pro · Standard/Vision 等格式未在所选材料中注明本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- MCP-Atlas · 所选材料未明确子集本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- τ²-bench · Telecom section本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- FrontierScience · Research;版本与题集未注明本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- FrontierMath · Tier 1–3; version not stated in 2025–2026 release article本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- FrontierMath · Tier 4; version not stated in 2026-03 release article本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- OmniDocBench · 版本未注明;归一化编辑距离本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- GraphWalks · BFS;0–128K 上下文;题数未注明本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- GraphWalks · BFS;256K–1M 上下文;题数未注明本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- GraphWalks · parents;0–128K 上下文;题数未注明本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- GraphWalks · parents;256K–1M 上下文;题数未注明本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- HealthBench Hard · System-card evaluation; exact dataset version unspecified本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- HealthBench Consensus · System-card evaluation; exact dataset version unspecified本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)