GPT-5.4 Pro
Noch nicht getestet
SprachmodellNur Pro
GPT-5.4 Pro
OpenAI
- Veröffentlicht
- 5. März 2026
- Datenstand
- 8. September 2026
- Intelligenz
- Gesamtwertung
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text, Bild
- Ausgabe
- Text
Für dieses Modell liegt keine veröffentlichte, kategorieweit vergleichbare Gesamtwertung vor.
Einträge 1-12 von 17. Seite 1 von 2.
Veröffentlichte Benchmarks
Die Charts vergleichen Modelle im selben dokumentierten Test. Das aktuelle Modell ist hervorgehoben.
Humanity's Last Exam
Overall
Was der Benchmark prüft: 2.500 anspruchsvolle, teils multimodale Expertenfragen aus mehr als 100 Fachgebieten.
Einordnung: Der Test misst geschlossenes Expertenwissen und Reasoning, aber weder offene Forschung noch allgemeine Intelligenz.
Mehr ist besser7 ModelleGPT-5.4 Pro: Platz 2 von 7Datenstand: 2. September 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- hle-final-scale-public-temperature-0
- Messgröße
- accuracy
- Skala
- 0-100
- Teilnehmer
- 7
- Methodik und Einordnung
- Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Modellstand: gpt-5.4-pro-2026-03-05. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 44,32 % ± 1,95. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-09-02-51f8ddc5f531. Prüfsumme der Quelldaten: 51f8ddc5f531730f2a8577b861c4774e607ed760c25f52108bade0a86a2b5799. Parserversion: curated-v1. Importiert am: 2026-09-04
MultiChallenge
Overall
Was der Benchmark prüft: Mehrstufige Gespräche prüfen Erinnern, Anweisungsbindung, versionierte Überarbeitung und innere Konsistenz.
Einordnung: Die Aufgaben wurden anhand gemeinsamer Fehler sechs älterer Spitzenmodelle ausgewählt und können diese Modelle benachteiligen.
Mehr ist besser8 ModelleGPT-5.4 Pro: Platz 2 von 8Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-multichallenge-overall
- Messgröße
- rubric pass rate
- Skala
- 0-100
- Teilnehmer
- 8
- Methodik und Einordnung
- Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 69,23 % ± 3,05. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-094a8bd3e75b. Prüfsumme der Quelldaten: 094a8bd3e75b53ac5a174f8cb8b658af01554eea62ef241f0bf2527433f3849a. Parserversion: curated-v1. Importiert am: 2026-09-04
MultiNRC
Overall
Was der Benchmark prüft: Native Reasoning-Aufgaben auf Französisch, Spanisch und Chinesisch, die nicht aus englischen Vorlagen übersetzt wurden.
Einordnung: Drei Sprachen sind ein wichtiges Gegengewicht zu englischen Tests, aber noch keine globale Sprachabdeckung.
Mehr ist besser10 ModelleGPT-5.4 Pro: Platz 3 von 10Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-multinrc-native-languages
- Messgröße
- accuracy
- Skala
- 0-100
- Teilnehmer
- 10
- Methodik und Einordnung
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 62,27 % ± 2,92. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f6d5c3c0afb5. Prüfsumme der Quelldaten: f6d5c3c0afb57ae872fdc0f7d1a0f6ce1ac051dce7e697faf6e210c8757daa5f. Parserversion: curated-v1. Importiert am: 2026-09-04
TutorBench
Overall
Was der Benchmark prüft: 1.490 Aufgaben prüfen adaptive Erklärungen, Feedback und Hinweise in sechs MINT-Fächern.
Einordnung: Ein Claude-4-Sonnet-Juror bewertet gewichtete Rubriken. Gute Testwerte beweisen keine sichere Betreuung echter Lernender.
Mehr ist besser8 ModelleGPT-5.4 Pro: Platz 1 von 8Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-tutorbench-overall
- Messgröße
- weighted rubric score
- Skala
- 0-100
- Teilnehmer
- 8
- Methodik und Einordnung
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 56,62 % ± 1,02. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-0a9a42605858. Prüfsumme der Quelldaten: 0a9a4260585830c804e54bb75c5da6d84a438a201917cb239718d094f674c97b. Parserversion: curated-v1. Importiert am: 2026-09-04
VISTA
Overall
Was der Benchmark prüft: 758 Bild-Text-Aufgaben verbinden OCR, räumliches Verständnis, Objekterkennung und offene visuelle Schlussfolgerungen.
Einordnung: Der Datensatz ist privat und wird mit aufgabenspezifischen Rubriken bewertet. Die Ergebnisse sind daher schwer unabhängig nachzurechnen.
Mehr ist besser11 ModelleGPT-5.4 Pro: Platz 2 von 11Datenstand: 26. August 2026
Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- scale-vista-private-overall
- Messgröße
- rubric score
- Skala
- 0-100
- Teilnehmer
- 11
- Methodik und Einordnung
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 53,89 % ± 2,02. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-665228705bb0. Prüfsumme der Quelldaten: 665228705bb014f3400e35f1f04afc38ea636267a546fb05ccd1861bceda080a. Parserversion: curated-v1. Importiert am: 2026-09-04
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
GDPval (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 82
- Bewertung
- 82
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Professional
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:0
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; wins or ties; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
FinanceAgent v1.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 61.5
- Bewertung
- 61.5
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Professional
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:1
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; professional task evaluation; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
Investment Banking Modeling Tasks (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.6
- Bewertung
- 83.6
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Professional
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:2
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; internal; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
BrowseComp (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89.3
- Bewertung
- 89.3
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Tool use
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:3
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; tool use; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
Frontier Science Research (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 36.7
- Bewertung
- 36.7
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Academic
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:4
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; academic; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
FrontierMath Tier 1-3 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 50
- Bewertung
- 50
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Academic
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:5
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; academic; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
FrontierMath Tier 4 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 38
- Bewertung
- 38
- Messgröße
- percent
- Einheit
- %
- Kategorie
- Academic
- Richtung
- Mehr ist besser
- Vergleichskohorte
- research:gpt-5.4-pro:6
- Quellentyp
- vendor-reported
- Auswertung
- OpenAI
- Status
- active
- Abrufdatum
- 2026-09-08
- Methodik
- Vom Anbieter veröffentlichter Wert. GPT-5.4 Pro; academic; xhigh unless specified
- Einordnung
- OpenAI notes research-environment results may differ from production.
Dokumentierte Messdetails
Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.
Humanity's Last Exam: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 44.32
- Bewertung
- 44.32
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- final 2,500-question public set
- Kategorie
- knowledge
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- hle-final-scale-public-temperature-0
- Konfidenzintervall
- 1.95
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-09-02
- Methodik
- Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Modellstand: gpt-5.4-pro-2026-03-05. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 44,32 % ± 1,95. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-09-02-51f8ddc5f531. Prüfsumme der Quelldaten: 51f8ddc5f531730f2a8577b861c4774e607ed760c25f52108bade0a86a2b5799. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.
MultiChallenge: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 69.23
- Bewertung
- 69.23
- Messgröße
- rubric pass rate
- Einheit
- %
- Benchmark-Version
- four multi-turn challenge types
- Kategorie
- productivity
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-multichallenge-overall
- Konfidenzintervall
- 3.05
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 69,23 % ± 3,05. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-094a8bd3e75b. Prüfsumme der Quelldaten: 094a8bd3e75b53ac5a174f8cb8b658af01554eea62ef241f0bf2527433f3849a. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.
MultiNRC: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.27
- Bewertung
- 62.27
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- French, Spanish, and Chinese release
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-multinrc-native-languages
- Konfidenzintervall
- 2.92
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 62,27 % ± 2,92. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f6d5c3c0afb5. Prüfsumme der Quelldaten: f6d5c3c0afb57ae872fdc0f7d1a0f6ce1ac051dce7e697faf6e210c8757daa5f. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.
TutorBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 56.62
- Bewertung
- 56.62
- Messgröße
- weighted rubric score
- Einheit
- %
- Benchmark-Version
- 1,490-task release
- Kategorie
- education
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-tutorbench-overall
- Konfidenzintervall
- 1.02
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 56,62 % ± 1,02. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-0a9a42605858. Prüfsumme der Quelldaten: 0a9a4260585830c804e54bb75c5da6d84a438a201917cb239718d094f674c97b. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.
VISTA: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 53.89
- Bewertung
- 53.89
- Messgröße
- rubric score
- Einheit
- %
- Benchmark-Version
- 758 private prompt-image pairs
- Kategorie
- multimodal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- scale-vista-private-overall
- Konfidenzintervall
- 2.02
- Quellentyp
- official-leaderboard
- Auswertung
- Scale AI
- Status
- active
- Abrufdatum
- 2026-08-26
- Methodik
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/gpt-5.4-pro. Name des Quellmodells: GPT-5.4 Pro. Anbieter laut Quelle: OpenAI. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 53,89 % ± 2,02. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-665228705bb0. Prüfsumme der Quelldaten: 665228705bb014f3400e35f1f04afc38ea636267a546fb05ccd1861bceda080a. Parserversion: curated-v1. Importiert am: 2026-09-04
- Vergleichsmethodik
- 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.
Eigene Modelltests
Community-Tests zum Anschauen
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Prompt und Testbedingungen
Generate an SVG of a pelican riding a bicycle
Tokenlimit inklusive Reasoning: 8.192 Token
Ursprung der Aufgabe (Simon Willison)Steckbrief
Technische Daten und Zugang
Veröffentlichte Angaben zum Modell. Vorhandene Schätzungen sind ausdrücklich gekennzeichnet.
Weitere Quellenangaben
Datierte Angaben aus Dokumentation und Modellkarten. Anbieterlimits sowie native und erweiterte Kontextfenster können sich unterscheiden. Konfigurationshinweise bleiben im Original erhalten.
Kosten
Veröffentlichte Preise
Die Preise gelten für die jeweils genannte Einheit. Auflösung, Ausgabelänge und Anbieter können die Kosten verändern.
Kostenbeispiel
100 API-Anfragen
12 $
100 Anfragen mit je 1.000 Eingabe- und 500 Ausgabe-Token kosten rechnerisch 12 $. Davon entfallen 3 $ auf Eingaben und 9 $ auf Ausgaben.
- Eingabe-Preis
- 30 $ / 1 Mio. TokenBasisstufe je Anfrage
- Ausgabe-Preis
- 180 $ / 1 Mio. TokenBasisstufe je Anfrage
Die Rechnung nutzt die dokumentierten Tokenpreise und keinen Cache-Rabatt. Zusätzliche Tools, Steuern, Reasoning-Token und weitere nicht sichtbare Ausgabe-Token sind nicht enthalten.
Quelle öffnenDirekte Vergleiche
Dieses Modell im Vergleich
Jedes Duell vergleicht dieses Modell mit genau einem weiteren Modell aus derselben Kategorie.
Für dieses Modell sind noch keine direkten Vergleiche veröffentlicht.
Nachweise
Quellen und Datenstand
Alle Angaben verweisen auf die zugrunde liegende Dokumentation oder das jeweilige Leaderboard.
- Preis
API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten.
- Eingabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
- Ausgabe
Dokumentierte Modalitäten. Abgerufen am 8. September 2026.
Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Offene Nachweise und Recherchehinweise (Originalwortlaut)
In den geprüften Quellen nicht gefunden
parameters-billions. OpenAI API and release pages do not publish parameter counts.
In den geprüften Quellen nicht gefunden
independent-benchmarks. The evaluated results in this artifact are the exact OpenAI release table entries.
In den geprüften Quellen nicht gefunden
AA benchmark rows. No exact-model row in the selected public JSON-LD datasets (some pages only expose N/A or unknown metric summaries).
- Modellmetadaten (abgerufen 8. September 2026)Quelle
- API-PreiseQuelle
- Scale AI (abgerufen 2. September 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- Scale AI (abgerufen 26. August 2026)Quelle
- OpenAI (abgerufen 8. September 2026)Quelle