SprachmodellVeraltet

GPT-5.4 nano

OpenAI

Veröffentlicht: 17. März 2026
Datenstand: 8. September 2026
Vorgängermodell: GPT-5 nano

Intelligenz: 24 / 100
Gesamtwertung
Geschwindigkeit: 176,1 Token/s
Ausgabe-Tempo
Preis: 0,2 $ · 1,25 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild
Ausgabe: Text

GPT-5.4 nano ist die kleinste API-Stufe der GPT-5.4-Familie. OpenAI veröffentlichte sie zusammen mit GPT-5.4 mini als Weiterentwicklung von GPT-5 nano. Nano zielt auf Klassifikation, Datenextraktion und Ranking, während mini auch Computerbedienung übernimmt.

Am 1. Oktober 2026 wurde GPT-5.4 nano abgekündigt. Die Abschaltung ist für den 1. April 2027 angekündigt.

Position: Platz 71 von 86
Indexwert: 24 / 100

1.Claude Fable 5.193,5 / 100

2.Claude Fable 593,2 / 100

3.Claude Opus 591,3 / 100

4.Claude Sonnet 5.587,9 / 100

5.Claude Opus 5.585,1 / 100

6.Kimi K385,1 / 100

7.Gemini 3.7 Flash83,1 / 100

8.GPT-5.6 Sol81,9 / 100

9.Claude Opus 4.878,8 / 100

10.Gemini 3.8 Flash77,4 / 100

11.Qwen 3.8 Max 090276,5 / 100

12.GPT-5.575,8 / 100

13.Claude Opus 4.772,6 / 100

14.Gemini 3.6 Flash70,4 / 100

15.Grok 4.669,7 / 100

16.Qwen 3.7 Max68,7 / 100

17.GPT-5.268,3 / 100

18.Gemini 3.1 Pro Preview67,5 / 100

19.GPT-5.6 Terra67,5 / 100

20.Gemini 3.5 Flash67,4 / 100

21.Gemini 3 Pro66,3 / 100

22.GLM-5.365,3 / 100

23.GPT-5.6 Luna64,4 / 100

24.Grok 4.763,7 / 100

25.DeepSeek-V4.1-Flash62,8 / 100

26.Gemini 3 Flash Preview62,7 / 100

27.GPT-5.462,7 / 100

28.GLM-5.3-Flash62,4 / 100

29.Claude Sonnet 561,6 / 100

30.Kimi K2.659,2 / 100

31.Grok 4.558,6 / 100

32.MiniMax M358,3 / 100

33.GPT-557,6 / 100

34.Claude Sonnet 4.655,9 / 100

35.Qwen 3.8 27B53,7 / 100

36.GLM-5.252,6 / 100

37.GPT-6 Luna50,7 / 100

38.Nemotron 3 Ultra49,8 / 100

39.GPT-6 Sol49,6 / 100

40.DeepSeek-V4-Pro49,6 / 100

41.Inkling Small48,5 / 100

42.Kimi K2.548,2 / 100

43.Inkling47,8 / 100

44.o346,9 / 100

45.GPT-5 mini46,1 / 100

46.GLM-546 / 100

47.GLM-5.144,2 / 100

48.Claude Opus 4.543,7 / 100

49.GPT-5.4 mini42,3 / 100

50.MiMo-V2.5-Pro42,2 / 100

51.Grok 4.20 Reasoning39,3 / 100

52.Grok 338,7 / 100

53.Gemini 3.1 Flash-Lite38,5 / 100

54.Gemini 3.5 Flash-Lite38,2 / 100

55.Grok 4.336,8 / 100

56.MiniMax M2.135,5 / 100

57.MiniMax M2.735 / 100

58.MiMo-V2.533,6 / 100

59.GLM-4.733,4 / 100

60.o4-mini33,3 / 100

61.GPT-4.132,6 / 100

62.Ling 3.0 Flash32,2 / 100

63.o131,4 / 100

64.GPT OSS 120B30,6 / 100

65.Kimi K2 Thinking28,8 / 100

66.MiniMax M2.528,2 / 100

67.DeepSeek-R127,3 / 100

68.GLM-4.625,8 / 100

69.GLM-4.525,6 / 100

70.Kimi K2 071124,4 / 100

71.GPT-5.4 nano24 / 100

72.DeepSeek-V3.222,4 / 100

73.Mistral Large 319,8 / 100

74.GPT-4.1 mini19,7 / 100

75.o3-mini19,7 / 100

76.DeepSeek-V3 032418,8 / 100

77.DeepSeek-V317,8 / 100

78.GPT OSS 20B15,1 / 100

79.GPT-5 nano12,4 / 100

80.Command A10,5 / 100

81.Mistral Medium 3.59,5 / 100

82.Llama 4 Scout6,1 / 100

83.Mistral Small 3.14,7 / 100

84.GPT-4.1 nano4 / 100

85.Command R+2,5 / 100

86.GPT-4o mini2,3 / 100

Methodik und Quelle

Der Index mittelt Rangperzentile aus 10 dokumentierten Vergleichskohorten.

Quelle: Vals AI, LegalBench

Quelle: Vals AI, GPQA Diamond

Quelle: Vals AI, LiveCodeBench v6

Quelle: Vals AI, MMLU-Pro

Quelle: Vals AI, TaxEval v2

Quelle: Vals AI, MedScribe

Quelle: Vals AI, SAGE

Quelle: Vals AI, Terminal-Bench 2.1

Quelle: Vals AI, MMMU-Pro

Quelle: Vals AI, Public Benefits Bench v1.1

Veröffentlichte Benchmarks

Taste-Bench

Overall

502 technische Entscheidungspunkte aus Engineering- und Forschungsabläufen. Jedes Fragenpaar wird in beiden Antwortreihenfolgen vorgelegt. Der Gesamtscore mittelt Engineering und Forschung und verlangt, dass beide Reihenfolgen richtig beantwortet werden. Nicht parsebare Antworten zählen als falsch. Reasoning-Einstellung und Ausgabegrenze gehören zum Testaufbau.

Hinweis (GPT-5.4 nano): 93 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

1.GPT-5.6 Sol59,7 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

2.GPT-5.559,5 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

3.Claude Opus 555,5 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

4.Grok 4.554,6 %

Hinweis: 10 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

5.GPT-5.6 Terra54 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

6.GLM-5.253,9 %

Hinweis: 17 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

7.Claude Sonnet 551,6 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

8.GPT-5.6 Luna49 %

Hinweis: 0 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

9.MiniMax M345,3 %

Hinweis: 3 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

10.DeepSeek-V4-Flash43,3 %

Hinweis: 2 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

11.GPT-5.4 mini40,1 %

Hinweis: 112 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

12.Mistral Medium 3.537,7 %

Hinweis: 24 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

13.GPT-5.4 nano36,6 %

14.Grok 4.20 Reasoning15,7 %

Hinweis: 459 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

höhere Werte sind besserStand 26. September 2026Skala: 0 % - 100 %

Quelle: Taste-Bench paper

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: taste-bench-paper-v2-502
Messgröße: both-orders-correct, engineering/research macro average
Skala: 0-100
Teilnehmer: 14
Methodik und Einordnung: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.. Kennung des Quellmodells: curated/gpt-5.4-nano. Name des Quellmodells: GPT-5.4 nano. Anbieter laut Quelle: OpenAI. Evaluator: Taste-Bench paper. Datensatztyp: public. Stand der Rangliste: 2026-09-23. Versuche: 502 questions, two option orders each. Reasoning-Stufe: high. Maximale Ausgabetoken: 65536. Quellenkennung: taste-bench-paper. Kennung der Evidenzaufnahme: curated-taste-bench-paper-2026-09-26-ee1a62d2083b. Prüfsumme der Quelldaten: ee1a62d2083b8b1184c46ee9fe59fc02bd5b2f0a63b87dbef0c3f163690c0542. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Taste-Bench paper

Programmieren

Code Migration

Overall

1.Claude Sonnet 5.569,83 %

2.GPT-6 Astra67,74 %

3.Claude Opus 5.566,65 %

4.Claude Opus 557,47 %

5.GPT-6 Sol57,2 %

6.Claude Fable 555,07 %

7.Claude Fable 5.154,61 %

8.GPT-5.6 Sol52,92 %

9.GPT-5.6 Terra47,8 %

10.Claude Opus 4.847,25 %

11.DeepSeek-V4.1-Flash45,62 %

12.GPT-5.545,16 %

13.Grok 4.744,82 %

14.Grok 4.644,57 %

15.GPT-5.6 Luna44,55 %

16.Claude Sonnet 544,39 %

17.GLM-5.344,22 %

18.Claude Opus 4.743,88 %

19.GPT-6 Luna42,55 %

20.Claude Sonnet 4.639,89 %

21.GLM-5.237,87 %

22.Grok 4.536,6 %

23.Gemini 3.8 Flash36,55 %

24.GPT-5.434,98 %

25.Gemini 3.7 Flash34,8 %

26.Gemini 3.6 Flash30,93 %

27.Kimi K2.627,77 %

28.Gemini 3.5 Flash26,75 %

29.DeepSeek-V4-Pro26,2 %

30.GLM-5.125,77 %

31.Kimi K2.7 Code25,39 %

32.Qwen 3.8 Max 090223,96 %

33.MiMo-V2.5-Pro21,56 %

34.GLM-5.3-Flash20,52 %

35.MiniMax M319,93 %

36.Gemini 3.1 Pro Preview17,31 %

37.Kimi K316,1 %

38.GPT-5.4 nano14,47 %

39.MiMo-V2.514,23 %

40.Qwen 3.8 27B14,16 %

41.Inkling Small13,68 %

42.Qwen 3.7 Max13,07 %

43.GPT-5.4 mini12,94 %

44.Qwen 3.7 Plus12,86 %

45.Inkling11,79 %

46.MiniMax M2.78,69 %

47.Kimi K2.56,96 %

48.Grok 4.36,8 %

49.Gemini 3 Flash Preview6,39 %

50.Gemini 3.5 Flash-Lite6,15 %

51.Mistral Medium 3.55,13 %

52.Nemotron 3 Ultra4,91 %

53.Gemini 3.1 Flash-Lite4,61 %

54.Mercury 2.54,49 %

55.Nemotron 3.5 Lightning2,95 %

56.Grok 4.20 Reasoning0,31 %

57.Ling 3.0 Flash0 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-code-migration:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 57
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 1594.162. Kosten je Aufgabe in USD: 0.416225. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-code-migration-2026-09-29-f0b317d5bed3. Prüfsumme der Quelldaten: f0b317d5bed3a2654a9ea39762d5e57f4649306adce3e6103e845ee1b9b94add. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

LiveCodeBench v6

Overall

1.Claude Fable 5.190,52 %

2.Claude Fable 589,78 %

3.Gemini 3.8 Flash89,48 %

4.Claude Opus 589,03 %

5.Gemini 3.7 Flash88,65 %

6.Gemini 3.1 Pro Preview88,49 %

7.Grok 4.688,22 %

8.Gemini 3.6 Flash88,08 %

9.Qwen 3.8 Max 090287,85 %

10.Claude Opus 4.887,82 %

11.Gemini 3.5 Flash87,6 %

12.DeepSeek-V4-Pro87,48 %

13.Grok 4.587,35 %

14.GPT-5.3-Codex87,31 %

15.Kimi K387,19 %

16.Qwen 3.7 Max87,06 %

17.Kimi K2.686,77 %

18.GPT-5 mini86,61 %

19.Nemotron 3 Ultra85,98 %

20.Inkling Small85,93 %

21.GPT-5.6 Terra85,93 %

22.GPT-585,91 %

23.Gemini 3 Flash Preview85,59 %

24.Inkling85,52 %

25.GPT-5.585,3 %

26.Claude Opus 4.785,07 %

27.Grok 4.384,49 %

28.Grok 4.20 Reasoning84,27 %

29.GPT-5.484,14 %

30.GPT-5.4 nano84,01 %

31.Qwen 3.8 27B84 %

32.Ling 3.0 Flash83,99 %

33.o383,91 %

34.Kimi K2.583,87 %

35.GPT OSS 120B83,23 %

36.GPT-5.6 Sol82,6 %

37.Claude Sonnet 582,43 %

38.GLM-4.782,23 %

39.o4-mini82,21 %

40.MiniMax M382,15 %

41.Claude Sonnet 4.682,09 %

42.Kimi K2.7 Code82,05 %

43.GLM-581,87 %

44.MiniMax M2.181,76 %

45.MiMo-V2.581,51 %

46.GPT-5.4 mini81,47 %

47.GLM-5.181,38 %

48.MiMo-V2.5-Pro81,35 %

49.GLM-4.681,04 %

50.GLM-5.380,54 %

51.GLM-5.3-Flash80,51 %

52.GPT OSS 20B80,39 %

53.Gemini 3.1 Flash-Lite80,12 %

54.MiniMax M2.779,93 %

55.MiniMax M2.579,21 %

56.Gemini 3.5 Flash-Lite79,01 %

57.Claude Opus 4.575,03 %

58.o3-mini71,48 %

59.Kimi K2 071170,45 %

60.DeepSeek-R170,22 %

61.GPT-5 nano70,22 %

62.DeepSeek-V3.269,86 %

63.GLM-5.269,5 %

64.GLM-4.567,45 %

65.DeepSeek-V3 032465,48 %

66.Kimi K2 Thinking63,15 %

67.GPT-4.1 mini58,16 %

68.Mistral Large 355,34 %

69.GPT-4.154,67 %

70.o150,26 %

71.GPT-4o43,44 %

72.GPT-4.1 nano42,72 %

73.Llama 4 Scout38,54 %

74.Command A35,07 %

75.Mistral Small 3.131,82 %

76.GPT-4o mini26,42 %

77.Command R+18,24 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 77
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 60.089. Kosten je Aufgabe in USD: 0.002468. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-29-b6ee1006a41a. Prüfsumme der Quelldaten: b6ee1006a41aab0c68eef9d3e42a2151634fffaaeb6bdc2230a6d02994198a59. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Finanzen

CorpFin v2

Teilaufgabe	GPT-5.4 nano (Dieses Modell)	GPT-5 mini
Exact Pages	60,37 % (bester Wert dieser Zeile)	58,86 %
Max Fitting Context	62,12 % (bester Wert dieser Zeile)	60,49 %
Shared Max Context	61,07 %	61,19 % (bester Wert dieser Zeile)

höhere Werte sind besserStand 11. August 2026Quelle: Vals AIBalken je Zeile skaliert, nicht über Zeilen hinweg

Methodik und Einordnung

Messgröße: accuracy

CorpFin v2

Overall

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.MiniMax M368,1 %

10.Grok 4.567,41 %

11.Claude Sonnet 566,98 %

12.Kimi K2.666,74 %

13.Claude Opus 4.866,71 %

14.Gemini 3 Flash Preview66,43 %

15.Grok 4.666,16 %

16.GLM-5.266,12 %

17.Claude Opus 4.766,08 %

18.Qwen 3.8 Max 090265,85 %

19.Nemotron 3 Ultra65,46 %

20.Claude Sonnet 4.665,31 %

20.GPT-5.6 Terra65,31 %

22.GPT-5.465,27 %

23.Gemini 3.5 Flash64,69 %

24.Gemini 3.1 Pro Preview64,49 %

25.GLM-5.164,45 %

26.GPT-5.6 Sol64,38 %

27.GPT-5.6 Luna64,22 %

28.Qwen 3.7 Max63,71 %

29.Grok 4.20 Reasoning63,68 %

30.Gemini 3.6 Flash63,33 %

31.GPT-4.163,05 %

32.GLM-562,9 %

33.Qwen 3.6 27B62,32 %

34.Ling 3.0 Flash61,93 %

35.MiMo-V2.5-Pro61,42 %

36.DeepSeek-V4-Pro61,38 %

37.Claude Opus 4.561,31 %

38.GPT-5.4 nano61,19 %

38.MiniMax M2.761,19 %

40.GPT-561,07 %

41.Mistral Large 361,03 %

42.GLM-4.560,96 %

43.GPT-5.4 mini60,92 %

44.Claude Sonnet 4.560,8 %

44.Gemini 2.5 Pro60,8 %

46.Gemini 3.5 Flash-Lite60,68 %

47.Kimi K2 Thinking60,57 %

48.Claude Haiku 4.560,3 %

49.GPT-5 mini60,18 %

50.MiMo-V2.559,91 %

51.o359,71 %

52.MiniMax M2.559,6 %

53.Gemini 3.1 Flash-Lite59,36 %

54.o4-mini58,97 %

55.MiniMax M2.158,9 %

56.Mistral Medium 3.558,78 %

57.GPT OSS 120B58,24 %

58.GPT-4.1 mini57,93 %

59.GLM-4.656,84 %

60.DeepSeek-V3 032454,74 %

61.Trinity Large Thinking54,66 %

62.Nemotron 3.5 Lightning54,24 %

63.DeepSeek-R154,12 %

64.GPT OSS 20B53,15 %

65.DeepSeek-V352,49 %

66.DeepSeek-V3.151,48 %

67.Kimi K2 071150,39 %

68.DeepSeek-V3.247,94 %

69.Llama 4 Scout46,78 %

70.GLM-4.746,39 %

71.Command A45,96 %

72.GPT-4o mini45,46 %

73.o3-mini45,3 %

74.Mistral Small 3.144,17 %

75.GPT-4.1 nano42,08 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 75
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 9.397. Kosten je Aufgabe in USD: 0.01612. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

EMB

Overall

1.Claude Fable 5.176,67 %

2.Claude Opus 5.575,94 %

3.Claude Sonnet 5.575,71 %

4.Claude Fable 573,67 %

5.Claude Opus 573,56 %

6.GPT-5.6 Sol72,34 %

7.Gemini 3.8 Flash72,2 %

8.GPT-6 Astra71,7 %

9.GPT-6 Sol71,53 %

10.Gemini 3.7 Flash71,33 %

11.Claude Opus 4.869,37 %

12.GPT-6 Luna68,52 %

13.GPT-5.6 Luna67,12 %

14.Grok 4.766,99 %

15.Kimi K366,4 %

16.Claude Sonnet 566,32 %

17.GPT-5.6 Terra66,21 %

18.Gemini 3.6 Flash65,41 %

19.GPT-5.564,54 %

20.Claude Opus 4.763,73 %

21.Gemini 3.5 Flash63,55 %

22.Grok 4.662,73 %

23.GLM-5.261,53 %

24.Claude Sonnet 4.660,15 %

25.Qwen 3.8 Max 090260,07 %

26.Qwen 3.8 27B59,66 %

27.Kimi K2.657,86 %

28.DeepSeek-V4.1-Flash57,21 %

29.Qwen 3.7 Max57,04 %

30.GLM-5.356,34 %

31.GLM-5.3-Flash55,93 %

32.MiMo-V2.5-Pro55,23 %

33.MiMo-V2.555,09 %

34.Grok 4.552,91 %

35.Gemini 3.1 Pro Preview52,62 %

36.DeepSeek-V4-Pro51,62 %

37.Qwen 3.7 Plus49,35 %

38.MiniMax M347,76 %

39.GPT-5.4 mini45,43 %

40.GPT-5.4 nano44,75 %

41.Gemini 3.5 Flash-Lite43,23 %

42.Inkling38,36 %

43.Inkling Small31,76 %

44.Nemotron 3 Ultra31,74 %

45.Kimi K2.528,47 %

46.MiniMax M2.728,45 %

47.Gemini 3 Flash Preview26,02 %

48.Ling 3.0 Flash25,01 %

49.Grok 4.318,39 %

50.Nemotron 3.5 Lightning16,99 %

51.Grok 4.20 Reasoning11,74 %

52.Mistral Medium 3.511,19 %

53.Mercury 2.58,82 %

54.Gemini 3.1 Flash-Lite8,63 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-emb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 1767.043. Kosten je Aufgabe in USD: 0.57312. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-emb-2026-09-29-90535b2fd4dc. Prüfsumme der Quelldaten: 90535b2fd4dc213540eac0aff8ae769e34b6b1ba54e1ed6d0a51dcfe307d5598. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Finance Agent (v2)

Overall

1.Gemini 3.8 Flash61,44 %

2.Gemini 3.7 Flash59,04 %

3.Claude Fable 5.158,88 %

4.Claude Opus 558,63 %

5.Claude Opus 5.558,59 %

6.Claude Sonnet 5.558,1 %

7.Gemini 3.5 Flash57,86 %

8.GLM-5.3-Flash57,85 %

9.Claude Fable 556,31 %

10.Gemini 3.6 Flash56,3 %

11.GLM-5.355,84 %

12.GPT-5.6 Luna55,04 %

13.GPT-5.6 Terra54,44 %

14.Kimi K354,36 %

15.Claude Opus 4.853,92 %

16.Claude Sonnet 553,91 %

17.GPT-5.6 Sol53,76 %

18.Grok 4.653,68 %

19.GPT-6 Astra53,54 %

20.DeepSeek-V4.1-Flash53,48 %

21.Grok 4.752,25 %

22.GPT-5.551,76 %

23.Claude Opus 4.751,51 %

24.Claude Sonnet 4.651,04 %

25.Qwen 3.8 Max 090250,59 %

26.GPT-6 Luna49,87 %

27.GLM-5.249,7 %

28.GPT-6 Sol49,05 %

29.Qwen 3.8 27B48,55 %

30.Grok 4.548,35 %

31.MiniMax M348,27 %

32.Qwen 3.7 Max47,78 %

33.Gemini 3.5 Flash-Lite47,44 %

34.Inkling46,6 %

35.GPT-5.4 mini45,36 %

36.Kimi K2.644,9 %

37.GLM-5.144,79 %

38.DeepSeek-V4-Pro44,08 %

39.Gemini 3.1 Pro Preview42,98 %

40.Gemini 3 Flash Preview42,55 %

41.MiMo-V2.5-Pro41,5 %

42.Inkling Small41,26 %

43.Qwen 3.7 Plus38,22 %

44.GPT-5.4 nano38,22 %

45.Grok 4.337,73 %

46.Nemotron 3 Ultra37,67 %

47.MiMo-V2.536,73 %

48.Kimi K2.535,79 %

49.Mistral Medium 3.532,1 %

50.Ling 3.0 Flash30,31 %

51.Gemini 3.1 Flash-Lite29,99 %

52.Grok 4.20 Reasoning28,49 %

53.MiniMax M2.727,89 %

54.Mercury 2.518,56 %

55.Nemotron 3.5 Lightning18,5 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-finance-agent-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 55
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 334.538. Kosten je Aufgabe in USD: 0.15925. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-fabv2-2026-09-29-addcd124c670. Prüfsumme der Quelldaten: addcd124c6706893659c1ae26698bf6ffa29c91018ee95b98ab15b9d4b6edcdb. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

GPQA Diamond

Overall

1.Gemini 3.1 Pro Preview95,45 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,44 %

5.Gemini 3.7 Flash93,94 %

6.Qwen 3.8 Max 090293,69 %

7.Claude Fable 5.193,43 %

7.Claude Opus 593,43 %

7.Gemini 3.6 Flash93,43 %

10.Claude Fable 593,18 %

10.GPT-5.593,18 %

12.Grok 4.592,93 %

12.Kimi K392,93 %

14.Gemini 3.5 Flash92,68 %

14.MiniMax M392,68 %

16.Claude Opus 4.892,42 %

17.GPT-5.491,67 %

17.GPT-5.6 Luna91,67 %

19.Grok 4.391,41 %

20.GPT-5.6 Terra90,91 %

21.Claude Opus 4.790,15 %

21.Qwen 3.7 Max90,15 %

23.DeepSeek-V4-Pro89,39 %

24.Kimi K2.689,14 %

25.Claude Sonnet 588,89 %

25.Qwen 3.8 27B88,89 %

27.Grok 4.20 Reasoning88,64 %

28.GLM-5.388,13 %

29.Gemini 3 Flash Preview87,88 %

30.Inkling87,12 %

31.MiniMax M2.786,62 %

32.GLM-5.3-Flash86,36 %

33.Nemotron 3 Ultra86,11 %

34.Claude Sonnet 4.685,61 %

34.GLM-5.285,61 %

34.GPT-585,61 %

37.Ling 3.0 Flash84,85 %

38.GLM-5.184,52 %

39.Kimi K2.584,09 %

39.o384,09 %

41.Gemini 3.5 Flash-Lite83,84 %

42.Inkling Small83,59 %

43.GLM-583,33 %

44.GPT-5.4 mini83,08 %

45.MiMo-V2.5-Pro82,58 %

46.MiniMax M2.582,07 %

47.MiMo-V2.581,57 %

48.Gemini 3.1 Flash-Lite81,06 %

49.GPT-5 mini80,3 %

50.GLM-4.780,05 %

51.Claude Opus 4.579,55 %

52.GPT OSS 120B78,54 %

52.Kimi K2 Thinking78,54 %

52.MiniMax M2.178,54 %

55.GPT-5.4 nano77,53 %

56.DeepSeek-V3.276,26 %

57.o3-mini75,51 %

58.GLM-4.674,5 %

58.o4-mini74,5 %

60.o173,23 %

61.GLM-4.572,22 %

62.Kimi K2 071171,46 %

63.GPT OSS 20B68,94 %

64.Mistral Large 368,43 %

65.GPT-4.1 mini67,93 %

66.GPT-4.165,4 %

67.GPT-5 nano63,38 %

68.DeepSeek-V3 032461,62 %

69.DeepSeek-V354,55 %

70.GPT-4.1 nano50,76 %

71.Command A48,49 %

72.Llama 4 Scout46,97 %

73.GPT-4o mini44,19 %

73.Mistral Small 3.144,19 %

75.Mistral Medium 3.534,85 %

76.Command R+31,06 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 76
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 29.498. Kosten je Aufgabe in USD: 0.001565. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-29-8caf7b4807e8. Prüfsumme der Quelldaten: 8caf7b4807e87a2880c30218acea7855ea3a11721d56f7e049a77fadaf35dd34. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Recht

Harvey's Legal Agent Benchmark

Overall · Task fully resolved

1.Grok 4.615,83 %

2.Grok 4.512,92 %

3.Grok 4.712,5 %

4.Claude Fable 511,25 %

4.Qwen 3.8 27B11,25 %

6.Kimi K310,83 %

7.Qwen 3.8 Max 090210,42 %

8.Gemini 3.8 Flash10 %

9.Claude Opus 4.89,58 %

10.Gemini 3.7 Flash8,75 %

11.GLM-5.38,33 %

12.GLM-5.27,08 %

13.Claude Fable 5.16,67 %

13.Claude Opus 4.76,67 %

13.Claude Opus 56,67 %

13.DeepSeek-V4.1-Flash6,67 %

13.GLM-5.3-Flash6,67 %

18.GPT-6 Astra5,42 %

19.Claude Sonnet 4.65 %

19.Claude Sonnet 55 %

21.MiniMax M34,17 %

22.Claude Opus 5.53,75 %

22.DeepSeek-V4-Pro3,75 %

22.GPT-5.53,75 %

25.Gemini 3.6 Flash3,33 %

26.Claude Sonnet 5.52,92 %

26.GPT-6 Luna2,92 %

28.Gemini 3.5 Flash2,5 %

28.GPT-5.6 Sol2,5 %

30.Inkling2,08 %

30.MiMo-V2.5-Pro2,08 %

32.GPT-6 Sol1,67 %

32.Inkling Small1,67 %

32.Kimi K2.61,67 %

32.MiMo-V2.51,67 %

32.Qwen 3.7 Max1,67 %

37.GPT-5.6 Luna1,25 %

37.Ling 3.0 Flash1,25 %

39.GPT-5.6 Terra0,83 %

40.Grok 4.30,42 %

40.Mistral Medium 3.50,42 %

40.Nemotron 3 Ultra0,42 %

43.Gemini 3 Flash Preview0 %

43.Gemini 3.1 Flash-Lite0 %

43.Gemini 3.1 Pro Preview0 %

43.Gemini 3.5 Flash-Lite0 %

43.GLM-5.10 %

43.GPT-5.40 %

43.GPT-5.4 mini0 %

43.GPT-5.4 nano0 %

43.Grok 4.20 Reasoning0 %

43.Kimi K2.50 %

43.Mercury 2.50 %

43.MiniMax M2.70 %

43.Nemotron 3.5 Lightning0 %

43.Qwen 3.7 Plus0 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-agent-benchmark:1:overall
Messgröße: task resolution rate
Skala: 0-100
Teilnehmer: 56
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 363.015. Kosten je Aufgabe in USD: 0.184287. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-hlab-2026-09-29-d6fb708e5bcc. Prüfsumme der Quelldaten: d6fb708e5bccec56c7a5e5ad97918d9cc47c5ebefb88af4a1a5771493dadba2f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

LegalBench

Overall

1.Claude Fable 588,56 %

2.Claude Fable 5.188,51 %

3.Gemini 3.1 Pro Preview87,4 %

4.Gemini 3.7 Flash87,26 %

5.Gemini 3.8 Flash86,99 %

6.Claude Opus 586,97 %

7.GPT-5.6 Sol86,97 %

8.Gemini 3 Flash Preview86,86 %

9.Gemini 3.6 Flash86,71 %

10.GPT-5.586,52 %

11.Grok 4.686,31 %

12.GPT-5.486,04 %

13.GPT-586,02 %

14.Kimi K386,02 %

15.Grok 4.585,97 %

16.MiniMax M385,42 %

17.Claude Opus 4.785,25 %

18.GPT-5.6 Terra85,11 %

19.Qwen 3.7 Max84,91 %

20.GLM-5.384,84 %

21.Kimi K2.684,74 %

22.Grok 4.384,46 %

23.GLM-5.184,39 %

24.Grok 4.784,39 %

25.Gemini 3.5 Flash-Lite84,07 %

25.GLM-5.284,07 %

27.GLM-584,06 %

28.GPT-5.6 Luna84,03 %

29.MiniMax M2.783,98 %

30.GLM-5.3-Flash83,93 %

31.Claude Sonnet 583,92 %

32.Gemini 3.1 Flash-Lite83,76 %

33.o383,76 %

34.Qwen 3.8 Max 090283,61 %

35.Gemini 3.5 Flash83,6 %

36.Claude Opus 4.883,57 %

37.GLM-4.783,36 %

38.DeepSeek-V4.1-Flash83,28 %

39.GPT-4.183,1 %

40.Mercury 2.583,06 %

41.Inkling Small82,99 %

42.Inkling82,95 %

43.Claude Opus 4.582,84 %

44.Qwen 3.8 27B82,43 %

45.Claude Sonnet 4.682,12 %

46.Nemotron 3 Ultra82,07 %

47.GPT-5 mini81,77 %

48.Kimi K2 071181,45 %

49.DeepSeek-V380,76 %

50.o180,39 %

51.DeepSeek-V4-Pro80,32 %

52.Kimi K2 Thinking80,2 %

53.MiniMax M2.579,96 %

54.Command A79,7 %

55.Ling 3.0 Flash79,69 %

56.GLM-4.679,61 %

57.o4-mini79,19 %

58.Mistral Large 379,14 %

59.MiMo-V2.578,89 %

60.GPT-4.1 mini78,04 %

61.GPT-5.4 nano77,92 %

62.Grok 4.20 Reasoning77,74 %

63.DeepSeek-V3 032477,73 %

64.MiMo-V2.5-Pro77,13 %

65.GPT OSS 120B75,94 %

66.GLM-4.575,63 %

67.MiniMax M2.175,45 %

68.Llama 4 Scout72,04 %

69.o3-mini71,54 %

70.GPT OSS 20B70,85 %

71.Mistral Small 3.169,16 %

72.Command R+68,29 %

73.Gemma 2 27B67,98 %

74.DeepSeek-R167,32 %

75.DeepSeek-V3.265,96 %

76.GPT-4.1 nano61,06 %

77.GPT-5 nano50,13 %

78.Command R32,97 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-bench:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 78
Methodik und Einordnung: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 2.697. Kosten je Aufgabe in USD: 0.000114. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-29-c1213019b552. Prüfsumme der Quelldaten: c1213019b55234a262ae86fd4ebfe291530f315c988a4ee32fd501c13777f85f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Dokumentierte Messdetails

Taste-Bench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 36.6
Bewertung: 36.6
Messgröße: both-orders-correct, engineering/research macro average
Einheit: %
Benchmark-Version: arxiv:2609.25804v2
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: taste-bench-paper-v2-502
Quellentyp: independent-evaluator
Auswertung: Taste-Bench paper
Status: active
Abrufdatum: 2026-09-26
Methodik: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.. Kennung des Quellmodells: curated/gpt-5.4-nano. Name des Quellmodells: GPT-5.4 nano. Anbieter laut Quelle: OpenAI. Evaluator: Taste-Bench paper. Datensatztyp: public. Stand der Rangliste: 2026-09-23. Versuche: 502 questions, two option orders each. Reasoning-Stufe: high. Maximale Ausgabetoken: 65536. Quellenkennung: taste-bench-paper. Kennung der Evidenzaufnahme: curated-taste-bench-paper-2026-09-26-ee1a62d2083b. Prüfsumme der Quelldaten: ee1a62d2083b8b1184c46ee9fe59fc02bd5b2f0a63b87dbef0c3f163690c0542. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Gleicher Prompt für alle Modelle. 502 Fragen werden je zweimal mit vertauschten Optionen gestellt. Durchschnitt der Erfolgsquoten aus Engineering und Forschung, wobei beide Reihenfolgen richtig sein müssen. 65.536 Token Ausgabelimit; nicht parsebare Antworten zählen als falsch.
Einordnung: 93 von 1.004 Antworten waren nicht parsebar und wurden als falsch gewertet. Kein Gradually-Test.

Quelle Taste-Bench paper

Code Migration: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 14.467
Bewertung: 14.467
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-code-migration:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 1594.162. Kosten je Aufgabe in USD: 0.416225. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-code-migration-2026-09-29-f0b317d5bed3. Prüfsumme der Quelldaten: f0b317d5bed3a2654a9ea39762d5e57f4649306adce3e6103e845ee1b9b94add. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

CorpFin v2: Exact Pages (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 60.373
Bewertung: 60.373
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: exact_pages
Aufgabenbezeichnung: Exact Pages
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:exact_pages
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Anbieter laut Quelle: OpenAI. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Maximale Ausgabetoken: 128000. Latenz in Sekunden: 8.67. Standardfehler: 1.67. Kosten je Aufgabe in USD: 0.000735. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Maximale Ausgabetoken: 128000

Quelle Vals AI

CorpFin v2: Max Fitting Context (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.121
Bewertung: 62.121
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: max_fitting_context
Aufgabenbezeichnung: Max Fitting Context
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:max_fitting_context
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Anbieter laut Quelle: OpenAI. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Maximale Ausgabetoken: 128000. Latenz in Sekunden: 12.158. Standardfehler: 1.656. Kosten je Aufgabe in USD: 0.035271. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Maximale Ausgabetoken: 128000

Quelle Vals AI

CorpFin v2: Shared Max Context (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 61.072
Bewertung: 61.072
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: shared_max_context
Aufgabenbezeichnung: Shared Max Context
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:shared_max_context
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-08-11
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Anbieter laut Quelle: OpenAI. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-06. Reasoning-Stufe: high. Maximale Ausgabetoken: 128000. Latenz in Sekunden: 7.363. Standardfehler: 1.665. Kosten je Aufgabe in USD: 0.012353. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-08-11-d9e58d191cd9. Prüfsumme der Quelldaten: d9e58d191cd9f1690e3b59f0a37055813038531410f2d73e765676893c0f9526. Parserversion: vals-astro-v2. Importiert am: 2026-08-11
Vergleichsmethodik: Reasoning-Stufe: high. Maximale Ausgabetoken: 128000

Quelle Vals AI

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 61.189
Bewertung: 61.189
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 9.397. Kosten je Aufgabe in USD: 0.01612. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

EMB: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 44.751
Bewertung: 44.751
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-emb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 1767.043. Kosten je Aufgabe in USD: 0.57312. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-emb-2026-09-29-90535b2fd4dc. Prüfsumme der Quelldaten: 90535b2fd4dc213540eac0aff8ae769e34b6b1ba54e1ed6d0a51dcfe307d5598. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Finance Agent (v2): Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 38.217
Bewertung: 38.217
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-finance-agent-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 334.538. Kosten je Aufgabe in USD: 0.15925. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-fabv2-2026-09-29-addcd124c670. Prüfsumme der Quelldaten: addcd124c6706893659c1ae26698bf6ffa29c91018ee95b98ab15b9d4b6edcdb. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 77.526
Bewertung: 77.526
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 29.498. Kosten je Aufgabe in USD: 0.001565. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-29-8caf7b4807e8. Prüfsumme der Quelldaten: 8caf7b4807e87a2880c30218acea7855ea3a11721d56f7e049a77fadaf35dd34. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

LiveCodeBench v6: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 84.009
Bewertung: 84.009
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 60.089. Kosten je Aufgabe in USD: 0.002468. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-29-b6ee1006a41a. Prüfsumme der Quelldaten: b6ee1006a41aab0c68eef9d3e42a2151634fffaaeb6bdc2230a6d02994198a59. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Harvey's Legal Agent Benchmark: Overall · Task fully resolved (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0
Bewertung: 0
Messgröße: task resolution rate
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall · Task fully resolved
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-agent-benchmark:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 363.015. Kosten je Aufgabe in USD: 0.184287. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-hlab-2026-09-29-d6fb708e5bcc. Prüfsumme der Quelldaten: d6fb708e5bccec56c7a5e5ad97918d9cc47c5ebefb88af4a1a5771493dadba2f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

LegalBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 77.92
Bewertung: 77.92
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-bench:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: openai/gpt-5.4-nano-2026-03-17. Name des Quellmodells: GPT-5.4 nano. Modellstand: gpt-5.4-nano-2026-03-17. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-27. Latenz in Sekunden: 2.697. Kosten je Aufgabe in USD: 0.000114. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_bench-2026-09-29-c1213019b552. Prüfsumme der Quelldaten: c1213019b55234a262ae86fd4ebfe291530f315c988a4ee32fd501c13777f85f. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Seite 1 von 11

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	ProprietärQuelle
Zugang	APIQuelle
Kontextfenster	400.000 TokenQuelle
Knowledge Cutoff	31. August 2025Quelle
Hinweise	400K Kontext, Parameterzahl nicht veröffentlichtQuelle
API-Modellkennung	gpt-5.4-nanoQuelle
Maximale Ausgabe	128.000 TokenQuelle
Eingabe	Text, BildQuelle
Ausgabe	TextQuelle
Reasoning-Modus	none, low, medium, high, xhighQuelle
API-Schnittstellen	Responses API, Chat Completions APIQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Veröffentlichung	2026-03-17Quelle

Vorgänger und Nachfolger

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	OpenAI, xhigh effort. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · GPT-5.4 nano API model documentation · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · GPT-5.4 nano API model documentation · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	parameters-billions Originalwortlaut OpenAI does not publish parameter counts.
In den geprüften Quellen nicht gefunden	independent-benchmarks Originalwortlaut The evaluated rows in this artifact are the exact OpenAI release-table entries; no independent evaluator row was merged.
Weitere Quelle	Provider model lifecycle (abgerufen 2. Oktober 2026) · OpenAI API deprecations · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	Taste-Bench paper (abgerufen 26. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 11. August 2026; 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	OpenAI (abgerufen 8. September 2026) · Introducing GPT-5.4 mini and nano · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0

GPT-5.4 nano

Veröffentlichte Benchmarks

Taste-Bench

Programmieren

Code Migration

LiveCodeBench v6

Finanzen

CorpFin v2

CorpFin v2

EMB

Finance Agent (v2)

GPQA Diamond

Recht

Harvey's Legal Agent Benchmark

LegalBench

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Technische Daten und Zugang

Veröffentlichte Preise

Vorgänger und Nachfolger

Quellen und Datenstand