GPT-5.4 nano · 官方评测披露

GPT-5.4 nano 当前收录 14 项测试的官方记录。已完成列明材料的核查。

模型发布 · GPT nano

官方材料与核查范围

本地留存的官方主文版本及全部六张成绩表、当前留存的 40 页系统卡与 mini 附录均已完整核读;实时主文于 2026-11-16 返回 HTTP 403,无法确认留存版本之后的上游修订。complete 仅表示已完整核查实际留存版本,不把存档等同实时页面。 核对时间 。

可靠首发材料中已记录 8 项测试。 已核读 2026-03-17 首发日主文存档并核对六表;系统卡首发日附件快照无法核实,首发状态不代表该卡当前留存版。

  • GPT-5.4 mini 与 nano 正式发布 | OpenAI · 主文 · Official article dated 2026-03-17. The locally retained same-day English capture and all six result tables were read in full; the live URL returned HTTP 403 on 2026-11-16, so this record covers the retained edition and does not establish later page revisions.
    公布 未确认 · 采集 · 已核查 该官方页面引用对应的留存英文版本已全文核读;实时 URL 于 2026-11-16 返回 HTTP 403,最新上游修订未知。current 完成状态仅覆盖明确留存的版本范围。
  • GPT-5.4 mini safety appendix | OpenAI Deployment Safety Hub · 附件 · Official GPT-5.4 Thinking system-card HTML/PDF and mini appendix read in full; the 40-page PDF was visually checked. The dated appendix is specific to GPT-5.4 mini; it contains safety and capability-risk evaluations, not nano benchmark results.
    公布 未确认 · 采集 · 已核查 系统卡正文及 GPT-5.4 mini 附录全文、表格和图表均已核读;附录明确仅涉及 mini,没有 nano 结果可加入本发布。安全与能力风险实验未并入常规成绩。
  • Introducing GPT-5.4 mini and nano | OpenAI · 主文 · Saved Wayback capture from 2026-03-17T17:52:20Z; the article body and all six result tables were read. Current page revision is unknown.
    公布 · 采集 · 已核查 已核读本地留存的 2026-03-17 17:52:20Z 官方英文主文全文与六张成绩表;新增 9 项常规精确成绩。2026-11-16 实时 URL 返回 HTTP 403,因此核查范围限于该留存版本,不代表已确认后续修订。

配置

  • GPT-5.4 nano (xhigh) · The official comparison table labels GPT-5.4 nano (xhigh). xhigh
  • GPT-5.4 nano (none) · GPT-5.4 nano; reasoning_effort none, explicitly stated for OmniDocBench 1.5. none
    未知项 Exact sampling settings are not stated.

直接前代与后续发布

直接前代 GPT-5 nano。 官方关系依据

The release describes GPT-5.4 nano as a major upgrade to GPT-5 nano.
5 项披露延续 · 9 项新增 · 25 项本次未见 · 0 项待核查
GPT-5 nano 与 GPT-5.4 nano 的披露变化
测试已核查状态GPT-5 nanoGPT-5.4 nano
SWE-Bench Pro · Public新增—本次记录
Terminal-Bench · 2.0;代理框架按协议区分新增—本次记录
Toolathlon · Release article does not state benchmark version or scoring protocol (2026-03)新增—本次记录
GPQA Diamond · 198-question Diamond subset延续

已记录的评测条件有变化

前代记录本次记录
Humanity's Last Exam · 2,500-question benchmark延续

已记录的评测条件有变化

前代记录本次记录
OSWorld-Verified · Verified benchmark; evaluation protocol noted per source新增—本次记录
MCP-Atlas · 所选材料未明确子集新增—本次记录
τ²-bench · Telecom section延续

已记录的评测条件有变化

前代记录本次记录
MMMU-Pro · Standard/Vision 等格式未在所选材料中注明新增—本次记录
OmniDocBench 1.5 · Version 1.5; average edit distance across text, formula, table and reading order新增—本次记录
MRCR-V2 · 8-needle; up to 128K average context新增—本次记录
OpenAI MRCR · v2, 256K context, 8 needles新增—本次记录
GraphWalks · BFS;0–128K 上下文;题数未注明延续

已记录的评测条件有变化

前代记录本次记录
GraphWalks · parents;0–128K 上下文;题数未注明延续

已记录的评测条件有变化

前代记录本次记录
AIME · 2025 edition本次未见前代记录—
SWE-bench Verified · GPT-5 发布评测固定子集;500 题中排除 23 题,n=477本次未见前代记录—
MMMU · Single-attempt本次未见前代记录—
FrontierMath · Set/version unspecified in GPT-5 and GPT-5.1 release tables; Python tool enabled.本次未见前代记录—
HMMT 2025 · 2025 edition; no-tools protocol from GPT-5 developer release本次未见前代记录—
MMMU-Pro · Standard and Vision formats本次未见前代记录—
CharXiv Reasoning · Version/split not stated in selected source本次未见前代记录—
Video-MMMU · Test subset本次未见前代记录—
ERQA · Version unspecified in GPT-5 developer release本次未见前代记录—
SWE-Lancer · IC Diamond set本次未见前代记录—
Aider Polyglot · Diff or diff-fenced edit format本次未见前代记录—
Scale MultiChallenge · o3-mini grader protocol from GPT-5 developer release本次未见前代记录—
Internal API instruction-following evaluation · Hard subset; exact set/version unspecified本次未见前代记录—
COLLIE · Version unspecified in GPT-5 developer release本次未见前代记录—
tau2-bench · Airline category本次未见前代记录—
τ²-bench · Retail section本次未见前代记录—
OpenAI MRCR · 2 needles; 128k context本次未见前代记录—
OpenAI MRCR · 2 needles; 256k context本次未见前代记录—
BrowseComp Long Context · 128k context本次未见前代记录—
BrowseComp Long Context · 256k context本次未见前代记录—
VideoMME · Long subset, with subtitle category本次未见前代记录—
LongFact-Concepts · GPT-5 developer release; no tools本次未见前代记录—
LongFact-Objects · GPT-5 developer release; no tools本次未见前代记录—
FActScore · GPT-5 developer release; no tools; hallucination-rate metric本次未见前代记录—
SimpleQA · No search-enabled; report F1本次未见前代记录—

测试记录 · 14