GPT-5.4 2026-03-05
OpenAI · 2026-03-05 发布 · 10/24 02:06 更新
AIHOT 评分 · 综合57.8分暂不排名：知识问答评测还不到 2 类评分不是正确率 · 评测覆盖 29%
可比较分类0/ 4 项分类
已有成绩9项评测
上下文窗口105万Token
各有所长，看得更清楚。
每个领域单独评分，和综合评分用同一种分数，可以直接比。具体能力请看下面每项成绩。
编程AIHOT 评分58.0分暂不排名3 项评测 · 覆盖 43%科研AIHOT 评分62.0分暂不排名3 项评测 · 覆盖 29%专业办公AIHOT 评分54.0分暂不排名2 项评测 · 覆盖 25%知识问答AIHOT 评分—分这个领域测得还不够1 项评测 · 覆盖 20%
覆盖比例是这个领域里已有成绩的评测类别占比，不代表能力高低；没测的不补分，也不扣分。
每一项成绩，都有来处。
按领域列出每项公开成绩，以及它折算成的统一分数。展开可查看运行配置与采用方式。
编程58.03 项
科研62.03 项
专业办公54.02 项
知识问答56.81 项
尚无成绩的评测
这些评测尚无可采用的公开成绩，缺测不补分。
Terminal-Bench 4.0 · AATerminal-Bench 4.0 · ValsLiveBench · 编程综合SciCode · AAVibe Code Bench 1–100CyberBench Patch v1.1HLE · AALiveBench · 推理与数学CritPt · AAMysteryMechanismTerminal-Bench Science · ValsTerminal-Bench Science · AAGDPval-AAAA-BriefcaseAutomationBench · AAVals Finance AgentAPEX-Agents 1.1τ³-Banking · MercorLiveBench · 数据分析AA-Analyst AgentAA-OmniscienceAA-LCRMLCR-AALiveBench · 语言与指令BullshitBench · 错误前提Arena Text
怎么看这些折算分
每项成绩按这项评测的难度折算成同一种分数：难的评测考得一般也能折算出高分，快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均，再向模型的整体水平收一点；同类评测只算一票。相差不到 1 分的两个模型，先后接近抛硬币。
还没有成绩的领域：真人盲选，暂按整体水平计算。
了解计算方法 →