OpenAI
GPT-5.4 评测成绩
来自 4 个来源、10 项基准的 20 条成绩。
其他名称: gpt-5.4-high · gpt-5.4 · gpt-5.4-2026-03-05_medium · GPT-5.4 (medium) · gpt-5.4-2026-03-05_none · GPT-5.4 (none) · gpt-5.4-2026-03-05_high · GPT-5.4 (high) · gpt-5.4-2026-03-05_low · GPT-5.4 (low)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1475 | 34 | Overall, style control on; 64844 votes; 95% CI 1471–1479“gpt-5.4-high” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1465 | 53 | Overall, style control on; 67932 votes; 95% CI 1461–1468“gpt-5.4” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1400 | 89 | Overall; 3734 votes; 95% CI 1390–1411“gpt-5.4” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1284 | 22 | Overall, style control on; 29177 votes; 95% CI 1278–1290“gpt-5.4-high” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1279 | 29 | Overall, style control on; 22828 votes; 95% CI 1272–1285“gpt-5.4” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 93.3% | 17 | Epoch AI run, accuracy; effort: xhigh | 独立评测 | 2026年3月6日 |
| GPQA Diamond | 89.9% | 42 | Epoch AI run, accuracy; effort: high | 独立评测 | 2026年7月15日 |
| GPQA Diamond | 88.9% | 51 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2026年7月15日 |
| GPQA Diamond | 84.8% | 87 | Epoch AI run, accuracy; effort: low | 独立评测 | 2026年7月15日 |
| GPQA Diamond | 74.8% | 143 | Epoch AI run, accuracy; effort: none | 独立评测 | 2026年7月15日 |
| MMLU-Pro | 87.5% | 9 | Overall accuracy; data source: Self-Reported | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 76.9% | 8 | Epoch AI run (Epoch scaffold); effort: high | 独立评测 | 2026年3月6日 |
| AIME (OTIS Mock AIME 2024–2025) | 97.8% | 31 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: high | 独立评测 | 2026年7月15日 |
| AIME (OTIS Mock AIME 2024–2025) | 95.6% | 43 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium | 独立评测 | 2026年7月15日 |
| AIME (OTIS Mock AIME 2024–2025) | 95.3% | 50 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: xhigh | 独立评测 | 2026年3月6日 |
| AIME (OTIS Mock AIME 2024–2025) | 84.4% | 95 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: low | 独立评测 | 2026年7月15日 |
| AIME (OTIS Mock AIME 2024–2025) | 57.8% | 152 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: none | 独立评测 | 2026年7月15日 |
| Humanity's Last Exam | 36.2% | 9 | Compiled by Epoch AI; effort: xhigh | 第三方汇编 via Epoch AI | 2026年3月5日 |
| τ²-bench | 39.4% | 10 | banking_knowledge domain, pass^1; effort: xhigh; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年5月6日 |
| Terminal-Bench 2.0 | 81.8% | 5 | Terminal-Bench 2.0; agent: ForgeCode; effort: unknown thinking | 官方榜单 via Epoch AI | 2026年3月12日 |
常见问题
GPT-5.4 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。