VerdictPal
Beitreten

Modelle / OpenAI

GPT 5.4

GPT 5 · Release 2026-03-05

OpenAIs Modell März 2026. AA Intelligence Index 56,8 (global #5). SWE-bench Verified 80,0 %, Terminal-Bench 2.0 81,8 % (ForgeCode). ARC-AGI-2 83,3 % (Pro-Variante). 256K-Kontext, $7 / $28 pro 1M Tokens — 44 % günstiger als GPT 5.5 beim Input.

Standard für OpenAI-Produktions-Workloads, bei denen GPT 5.5 zu viel, GPT 5.2 aber zu alt ist. Die Pro-Variante führt ARC-AGI-2 unter den Nicht-OpenAI-Wettbewerbern mit 83,3 % an.

#21 von 184 im AA Index · aktueller Snapshot
39 AA Index · 18 Benchmark-Zeilen · 10 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite61
Kontext256K
Input / 1M$7.0
Output / 1M$28
Wissensstichtag2026-01-31
Statusflagship
ChatGPTCursorPerplexityScira AI

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

80/100 Ø
Wissen
90
Reasoning
92
Mathe
48
Coding
80
Agentisch
82
Langer Kontext
82
Tool-Nutzung
84
Menschliche Präferenz
81

8 getestete Benchmark-Familien

Redaktionsnotiz
GPT 5.4 ist das OpenAI-Modell, das wir empfehlen, wenn GPT 5.5 zu teuer ist, die Aufgabe aber Frontier-Coding braucht. Die ForgeCode-Variante von Terminal-Bench 2.0 (81,8 %) ist die reproduzierbarste Zahl, die wir zum Modell haben.
Benchmark-Platzierungen

Wo GPT 5.4 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
ARC-AGIReasoning#2/ 20ARC-AGI-3 paper (arXiv 2603.24621)2026-03-20
FrontierMathMath#4/ 1548Epoch AI FrontierMath Tiers 1-3 (v2) CSV2026-08-15
BFCLTool use#5/ 2084Berkeley Function Calling Leaderboard V42026-04-15
DeepSWECoding#6/ 852DeepSWE leaderboard v1.12026-06-20
LiveBenchReasoning#6/ 2166LiveBench leaderboard2026-04-15
LongBench v2Long context#6/ 1954LongBench v2 leaderboard2026-04-01
MMLUKnowledge#7/ 2290OpenAI GPT-5.4 release2026-03-05
LMArena (Chatbot Arena)Human preference#8/ 1381LMArena leaderboard2026-05-25
SWE-bench VerifiedCoding#12/ 2280SWE-bench official leaderboard2026-05-30
AA-LCRLong context#19/ 18282Artificial Analysis2026-09-10
Humanity's Last ExamReasoning#19/ 18544Artificial Analysis2026-09-10
τ³-Bench BankingAgentic#22/ 11040Artificial Analysis2026-09-10
Terminal-BenchAgentic#22/ 18982Terminal-Bench 2.0 leaderboard2026-05-20
Artificial Analysis Intelligence IndexReasoning#25/ 18839Artificial Analysis2026-09-10
GPQA DiamondReasoning#27/ 19092Artificial Analysis2026-09-10
IFBenchReasoning#32/ 12774Artificial Analysis2026-09-10
AA output speedPerformance#123/ 190Artificial Analysis2026-09-10
AA time to first tokenPerformance#123/ 190Artificial Analysis2026-09-10
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo GPT 5.4 auftaucht, ist es hervorgehoben.

KnowledgeGPT 5.4 · 90
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
MathGPT 5.4 · 48
  1. 1
    OpenAI o3
    99
  2. 2
    GPT-5 (medium)
    99
  3. 3
    Grok 4
    99
CodingGPT 5.4 · 80
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticGPT 5.4 · 82
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextGPT 5.4 · 82
  1. 1
    Kimi K3
    89
  2. 2
    Claude Fable 5.1
    85
  3. 3
    GPT-5.5 (high)
    84
Tool useGPT 5.4 · 84
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Human preferenceGPT 5.4 · 81
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für GPT 5.4 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

13 neu
BenchmarkFamilyScoreQuelleTage her
AA-LCRLong context82%Artificial Analysis4
AA output speedPerformance0 t/sArtificial Analysis4
AA time to first tokenPerformance0.00sArtificial Analysis4
Artificial Analysis Intelligence IndexReasoning39%Artificial Analysis4
GPQA DiamondReasoning92%Artificial Analysis4
Humanity's Last ExamReasoning43.7%Artificial Analysis4
IFBenchReasoning73.95%Artificial Analysis4
τ³-Bench BankingAgentic39.59%Artificial Analysis4
FrontierMathMath47.6%Epoch AI FrontierMath Tiers 1-3 (v2) CSV30
DeepSWECoding52%DeepSWE leaderboard v1.186
SWE-bench VerifiedCoding80%SWE-bench official leaderboard107
LMArena (Chatbot Arena)Human preference1405LMArena leaderboard112
Terminal-BenchAgentic81.8%Terminal-Bench 2.0 leaderboard117
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Wissen90
Reasoning92
Mathe48
Coding80
Agentisch82
Langer Kontext82
Tool-Nutzung84
Menschliche Präferenz81
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaxAIMiniMaxZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für GPT 5.4. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

18 Quell-Zeilen

18 von 37 Katalog-Benchmarks haben eine belegte Zeile für GPT 5.4.

Knowledge

Reasoning

Math

Coding

Agentic

Long context

Tool use

Performance

Human preference

Changelog
  1. GPT 5.4 veröffentlicht — AA-Index 56,8, Terminal-Bench 2.0 81,8 % (ForgeCode).
  2. GPT 5.2 für allgemeine Verfügbarkeit ausgemustert.
Quellen

The Pack · Redaktionsnewsletter

Neue Tools in dein Postfach. Kostenlos.

Eine kurze E-Mail, wenn ein Tool erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.