← 返回编程榜CAPABILITY PROFILE UNDERSTANDING THE RANK
查看 Grok 4.5 的完整证据 →
查看 DeepSeek V4 Flash Preview 的完整证据 →
查看 DeepSeek V4 Pro Preview 的完整证据 →
查看 Gemini 3.6 Flash 的完整证据 →
查看 DeepSeek V4 Pro 0813 的完整证据 →BEHIND THE SCORE
OpenAI
GPT-5.4
2026-03-05 发布 · 09/10 06:31 更新
综合共识指数57.5综合榜第 22 名
分类成绩2 / 4 项分类
已有成绩13 项评测
上下文窗口105万 Token
API 输入 / 输出 · 每百万 Token¥16.77 / ¥100.62厂商官方价格 ↗
各有所长，看得更清楚。
每项能力单独计算。没有足够的实测，就留空。
不同分类的分数反映各自参照组中的表现，不能直接相加或用来比较不同能力的绝对高低。
编程名次，有多稳定？
依次移除一项评测或一家机构、调整单项权重与误差处理，观察排名怎样变化。
重新检查资格后的名次21—25 名
4 个情景下参评证据不足。保持原候选不变时为 21—25 名。这个范围不是置信区间，也不包含从未公开的成绩。
查看与附近模型的共同证据
净支持只看双方共同参加的评测。全局排序还需处理其他模型间的冲突，因此非相邻名次可能与单独比较不同。
Grok 4.52 项共同评测共同证据支持对方
双方共同拥有当前榜单 62.5% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 51.8% | 53.8% | 37.5% |
| LiveBench · 编程 ↗ | 65.7% | 62.5% | 25.0% |
DeepSeek V4 Flash Preview2 项共同评测共同证据支持本模型
双方共同拥有当前榜单 62.5% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 51.8% | 53.3% | 37.5% |
| LiveBench · 编程 ↗ | 65.7% | 53.4% | 25.0% |
DeepSeek V4 Pro Preview2 项共同评测共同证据支持对方
双方共同拥有当前榜单 62.5% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 51.8% | 62.8% | 37.5% |
| LiveBench · 编程 ↗ | 65.7% | 56.3% | 25.0% |
Gemini 3.6 Flash2 项共同评测共同证据支持本模型
双方共同拥有当前榜单 62.5% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| DeepSWE v1.1 ↗ | 51.8% | 46.7% | 37.5% |
| LiveBench · 编程 ↗ | 65.7% | 60.6% | 25.0% |
DeepSeek V4 Pro 08131 项共同评测共同证据支持对方
双方共同拥有当前榜单 25.0% 的名义票权。下表展示原始成绩，已知误差的软化处理会影响净支持，不只数赢了几项。
| 共同评测 | 本模型 | 对方 | 票权 |
|---|---|---|---|
| LiveBench · 编程 ↗ | 65.7% | 66.1% | 25.0% |
每一项成绩，都有来处。
下面是该模型的公开汇总成绩。展开可查看运行配置与采用方式。
