GPT-5.4 Modell-Übersicht

GPT-5.4 ist OpenAIs Nachfolger von GPT-5.2 und soll einen neuen, monatlichen, Modell-Update Zyklus bei OpenAI einleiten. GPT-5.4 erreicht insbesondere in Computer-Use Benchmarks neue Höchststände. Auch in Coding-Benchmarks scheint das generalisierte "Thinking"-Modell vorherige Codex-Modelle, wie z.B. GPT-5.3 Codex, zu überholen. Zudem unterstützt GPT-5.4 ein großes Kontextfenster mit bis zu 1 Mio. Tokens.

Playground API Dokumentation System Card Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

922k Token

128k Token

Unbekannt

$2.50

$15.00

Unbekannt

GPT-5.4 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

GPT-5.4 Benchmark Übersicht

GPQA Diamond

OSWorld

Terminal-Bench 2

GPT-5.4 Performance im Vergleich zu anderen Modellen

Benchmark	GPT-5.4	GPT-5.3-Codex	Gemini 3.1 Flash-Lite	Gemini 3.1 Pro	Claude Sonnet 4.6	Qwen3.5	MiniMax-M2.5
FrontierMath: A Benchmark for Evaluating Advanced Mathematical Reasoning in AIFM	27,1	—	—	16,7	8,3	—	—
Graduate-Level reasoning DiamondGPQA Diamond	92,8 %	—	86,9 %	94,3 %	89,9 %	—	85,2 %
OSWorld: OSWorld	75 %	64,7 %	—	—	72,5 %	—	—
Terminal-Bench 2Terminal-Bench 2	75,1 %	77,3 %	—	68,5 %	59,1 %	52,5 %	51,7 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark FrontierMath: A Benchmark for Evaluating Advanced Mathematical Reasoning in AI. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.2 Pro	31,3 %
GPT-5.4	27,1 %
Claude Opus 4.6	22,9 %
GPT-5.2	18,8 %
Gemini 3 Pro	18,75 %
Gemini 3.1 Pro	16,7 %
GPT-5 Pro	14,6 %
GPT-5.1	12,5 %
GPT-5	12,5 %
Claude Sonnet 4.6	8,3 %
OpenAI o4-mini	6,25 %
Kimi K2.5 (Thinking)	4,2 %
Claude Opus 4.5	4,17 %
Claude Opus 4.1	4,17 %
GLM-5	2,1 %
DeepSeek-v3.2 Thinking	2,1 %
Grok-4 Heavy	2,08 %
OpenAI o3	2,08 %

Vergleich von LLMs im Benchmark FrontierMath: A Benchmark for Evaluating Advanced Mathematical Reasoning in AI. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Graduate-Level reasoning Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3.1 Pro	94,3 %
Gemini 3 Deep Think	93,8 %
GPT-5.2 Pro	93,2 %
GPT-5.4	92,8 %
GPT-5.2	92,4 %
Gemini 3 Pro	91,9 %
Claude Opus 4.6	91,3 %
Claude Sonnet 4.6	89,9 %
GPT-5.1	88,1 %
Kimi K2.5 (Thinking)	87,6 %
Claude Opus 4.5	87 %
Gemini 3.1 Flash-Lite	86,9 %
GLM-5	86 %
GLM-4.7	85,7 %
DeepSeek-v3.2 Speciale	85,7 %
MiniMax M2.5	85,2 %
MiniMax M2.1	83 %
DeepSeek-v3.2 Thinking	82,4 %
MiniMax-M2	78 %
Claude Haiku 4.5	73 %

Vergleich von LLMs im Benchmark Graduate-Level reasoning Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark OSWorld: . Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.4	75 %
Claude Opus 4.6	72,7 %
Claude Sonnet 4.6	72,5 %
Claude Opus 4.5	66,3 %
GPT-5.3-Codex	64,7 %
Claude Haiku 4.5	50,7 %

Vergleich von LLMs im Benchmark OSWorld: . Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.3-Codex	77,3 %
GPT-5.4	75,1 %
Gemini 3.1 Pro	68,5 %
Claude Opus 4.6	65,4 %
Claude Opus 4.5	59,3 %
Claude Sonnet 4.6	59,1 %
GLM-5	56,2 %
Qwen3.5-397B-A17B	52,5 %
MiniMax M2.5	51,7 %
Kimi K2.5 (Thinking)	50,8 %
MiniMax M2.1	47,9 %
Kimi K2 Thinking	47,1 %
DeepSeek-v3.2 Thinking	46,4 %
MiniMax-M2	46,3 %
GLM-4.7	41 %

Vergleich von LLMs im Benchmark Terminal-Bench 2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Transformer-Architektur
Input Kontextlänge	922k
Output Kontextlänge	128k
Tokenizer	Proprietärer OpenAI Tokenizer

Besonderheiten

Native Computer Use	Erstes allgemeines OpenAI-Modell mit nativen Fähigkeiten, einen Computer zu bedienen.
Tool Search	Intelligente Tool-Suche, analog zu Claude AI.
Großes Kontextfenster	Unterstützt bis zu 1 Mio. Token Kontextfenster

Vorteile & Nachteile

Vorteile

Neues SOTA Computer Use Modell
Mit 75,0% im OSWorld-Verified Benchmark übertrifft GPT-5.4 die menschliche Leistung und gilt als neues State-of-the-Art Computer Use Modell.
Größtes Kontextfenster von OpenAI
1.05M Token Kontextfenster, mehr als doppelt so groß wie GPT-5.2 (400K). Damit überholt es auch Konkurrenzmodelle wie Claude Opus 4.6, die solche Kontextfenster aktuell nur in der Beta anbieten.
Führendes LLM in vielen Benchmarks
GPT-5.4 setzt sich an die Spitze vieler aktuell relevanter Benchmarks, u.a. erreicht es im GDPval Benchmark 87,3% auf Spreadsheet-Modellierung, was auf wertschaffende Nutzung in vielen Enterprise Bereichen hindeutet.
Deutlich weniger faktische Fehler
Laut eigenen Angaben von OpenAI macht GPT-5-4 33% weniger falsche Einzelaussagen und 18% weniger fehlerhafte Antworten insgesamt, gegenüber GPT-5.2.
Gutes Preis-/Leistungs-Verhältnis
Mit $2,50/$15,00 pro 1 Mio. Input-/Output-Tokens ist GPT-5.4 nur halb so teuer wie Opus 4.6 und eher vergleichbar mit Sonnet 4.6.

Nachteile

Proprietäres Modell
Viele Informationen zum Training oder den Gewichten von GPT-5.4 sind unbekannt. Außerdem lässt sich GPT-5-4 nur über OpenAIs API oder ChatGPT nutzen, es ist kein lokales Deployment möglich.
Neigung zur Aufgabenerweiterung
Die Kritik, die häufig an Claude Opus Modellen geäußert wurde, hallt nun auch bei GPT-5-4 auf. Das Modelle tendiert dazu, Aufgaben über den eigentlichen Prompt hinaus zu erweitern und Aufgaben vorab als erledigt zu markieren, noch bevor sie vollständig abgeschlossen wurden.
GPT-5.4 Pro Version sehr teuer
GPT-5.4 Pro ist eine Version von GPT-5.4, die vermutlich über parallele Test-Time-Compute Ausführung mehrere Antworten auf einen Prompt generiert und die beste davon auswählt. Das Pro-Modell kostet $30/$180 pro 1 Mio. Token und gehört damit zu den teuersten LLMs überhaupt.
Aufpreis bei langem Kontext
Bei Prompts mit über 272k Input-Tokens verdoppeln sich die Input-Kosten und die Output-Kosten steigen um 50%.

Vergleiche GPT-5.4 mit anderen LLMs

Vergleiche GPT-5.4 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
OpenAI	GPT-5.4	Proprietär	Unbekannt	922k	128k	$2.50	$15.00	05.03.2026
Google DeepMind	Gemini 3.1 Flash-Lite	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.25	$1.50	03.03.2026
Google DeepMind	Gemini 3.1 Pro	Proprietär	Unbekannt	1 Mio.	64k	$2.00	$12.00	19.02.2026
Anthropic	Claude Sonnet 4.6	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	17.02.2026
Alibaba	Qwen3.5	Apache 2.0	397 Mrd.	262,14k	65,54k	$0.40	$2.40	16.02.2026
MiniMax	MiniMax-M2.5	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	12.02.2026
Z.ai	GLM-5	MIT	744 Mrd.	200k	128k	$1.00	$3.20	11.02.2026
OpenAI	GPT-5.3-Codex	Proprietär	Unbekannt	400k	128k	unbekannt	unbekannt	05.02.2026
Anthropic	Claude Opus 4.6	Proprietär	Unbekannt	1 Mio.	128k	$5.00	$25.00	05.02.2026
Moonshot AI	Kimi K2.5	MIT	1.000 Mrd.	256k	96k	$0.60	$3.00	27.01.2026

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst OpenAI GPT-5.4 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.