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

直接前代 GPT-5.2。 官方关系依据

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
GPT-5.2 与 GPT-5.4 的披露变化
测试已核查状态GPT-5.2GPT-5.4
GDPval · 44 occupations; exact task set/version unspecified in release articles延续

已记录的评测条件有变化

前代记录本次记录
SWE-Bench Pro · Public延续

已记录的评测条件有变化

前代记录本次记录
Terminal-Bench · 2.0;代理框架按协议区分新增—本次记录
OSWorld-Verified · Verified benchmark; evaluation protocol noted per source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
BrowseComp · 1,266 题;单代理与多代理按协议区分延续

已记录的评测条件有变化

前代记录本次记录
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
ARC-AGI-1 · Verified set; release article does not specify task count延续

已记录的评测条件有变化

前代记录本次记录
ARC-AGI-2 · Verified;题集组成未在发布表中说明延续

已记录的评测条件有变化

前代记录本次记录
FinanceAgent · v1.1新增—本次记录
OfficeQA · 题集与精确计分协议未注明新增—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
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
FrontierScience · Research;版本与题集未注明新增—本次记录
FrontierMath · Tier 1–3; version not stated in 2025–2026 release article延续

已记录的评测条件有变化

前代记录本次记录
FrontierMath · Tier 4; version not stated in 2026-03 release article新增—本次记录
OmniDocBench · 版本未注明;归一化编辑距离新增—本次记录
GraphWalks · BFS;0–128K 上下文;题数未注明新增—本次记录
GraphWalks · BFS;256K–1M 上下文;题数未注明新增—本次记录
GraphWalks · parents;0–128K 上下文;题数未注明新增—本次记录
GraphWalks · parents;256K–1M 上下文;题数未注明新增—本次记录
HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations延续

已记录的评测条件有变化

前代记录本次记录
HealthBench Hard · System-card evaluation; exact dataset version unspecified新增—本次记录
HealthBench Consensus · System-card evaluation; exact dataset version unspecified新增—本次记录
SWE-bench Verified · Verified subset (500 problems)本次未见前代记录—
AIME · 2025 edition本次未见前代记录—
MMLU Language (0-shot) · OpenAI GPT-5 system card, 2025-08-07; MMLU test set translated by professional human translators; chain-of-thought prompting. Section 3.10 says 13 languages, but Table 10 lists 14 language rows.本次未见前代记录—

测试记录 · 26