AIFIND / MODEL INTELLIGENCE
GPT-5.4
OpenAI · 公開日 2026-03-05
集計
総合スコア58.0
参考順位#25
証拠のカバー率59.4%
個別評価9
利用条件と料金
料金は 100 万トークンあたりの原通貨。保存された出典に基づく参考情報です。価格記録の日付は 未確認。現在の料金を自動確認したものではありません。最新の料金は 公式料金 で確認してください。
コンテキスト仕様の確認: 未確認 · 仕様の出典。未確認の日時は取得日で補いません。
採用した評価と実行設定
総合評価と利用体験
LiveBench · 言語と指示総合比較の証拠76.4%
Arena · 創作総合比較の証拠1,442.5
Creative Writing v3総合比較の証拠1,839.7
コーディング
DeepSWE v1.1総合比較の証拠51.8%
推論
専門業務
採用しない結果・未測定
- GPQA Diamond — 採用可能な実測がありません
- Chess Puzzles — 採用可能な実測がありません
- Mystery Game Puzzles — 採用可能な実測がありません
- SimpleQA Verified — 採用可能な実測がありません
- FrontierMath v2 · Tiers 1–3 — 採用可能な実測がありません
- Vals Finance Agent — 採用可能な実測がありません
- FrontierMath v2 · Tier 4 — 採用可能な実測がありません
欠測の分野: 知識と事実、中国語・多言語。公表誤差のない測定: 7 件。欠測を 0 点にせず、未公表の誤差を推測しません。
近い順位のモデルと比較
Claude Opus 4.7 · #249 共通測定
共通証拠の重み 55.2% · 相対的な純支持差 -0.119
| 出典 | GPT-5.4 | Claude Opus 4.7 | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.4% | 72.3% | 12.5% |
| Arena · 創作 ↗ | 1,442.5 | 1,489 | 6.3% |
| Creative Writing v3 ↗ | 1,839.7 | 1,914.3 | 3.1% |
| Longform Writing ↗ | 78.3 | 81.8 | 3.1% |
| LiveBench · コーディング · 直接コーディング ↗ | 77.5% | 82.1% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 53.8% | 50.7% | 4.2% |
| LiveBench · 推論と数学 ↗ | 91.1% | 90.0% | 3.1% |
| APEX-Agents 1.1 ↗ | 52.4% | 49.2% | 6.3% |
| Arena Vision ↗ | 1,283.8 | 1,297.7 | 12.5% |
GPT-5.6 Terra · #2610 共通測定
共通証拠の重み 59.4% · 相対的な純支持差 0.074
| 出典 | GPT-5.4 | GPT-5.6 Terra | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.4% | 73.8% | 12.5% |
| Arena · 創作 ↗ | 1,442.5 | 1,425.5 | 6.3% |
| Creative Writing v3 ↗ | 1,839.7 | 1,854.9 | 3.1% |
| Longform Writing ↗ | 78.3 | 78 | 3.1% |
| DeepSWE v1.1 ↗ | 51.8% | 69.6% | 4.2% |
| LiveBench · コーディング · 直接コーディング ↗ | 77.5% | 78.2% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 53.8% | 54.9% | 4.2% |
| LiveBench · 推論と数学 ↗ | 91.1% | 92.8% | 3.1% |
| APEX-Agents 1.1 ↗ | 52.4% | 58.2% | 6.3% |
| Arena Vision ↗ | 1,283.8 | 1,268.2 | 12.5% |
GLM-5.3 · #239 共通測定
共通証拠の重み 46.9% · 相対的な純支持差 -0.136
| 出典 | GPT-5.4 | GLM-5.3 | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.4% | 74.6% | 12.5% |
| Arena · 創作 ↗ | 1,442.5 | 1,453.9 | 6.3% |
| Creative Writing v3 ↗ | 1,839.7 | 2,075 | 3.1% |
| Longform Writing ↗ | 78.3 | 81.8 | 3.1% |
| DeepSWE v1.1 ↗ | 51.8% | 69.0% | 4.2% |
| LiveBench · コーディング · 直接コーディング ↗ | 77.5% | 79.0% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 53.8% | 60.9% | 4.2% |
| LiveBench · 推論と数学 ↗ | 91.1% | 86.9% | 3.1% |
| APEX-Agents 1.1 ↗ | 52.4% | 56.6% | 6.3% |
Claude Opus 4.6 · #279 共通測定
共通証拠の重み 55.2% · 相対的な純支持差 -0.032
| 出典 | GPT-5.4 | Claude Opus 4.6 | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.4% | 73.3% | 12.5% |
| Arena · 創作 ↗ | 1,442.5 | 1,500.8 | 6.3% |
| Creative Writing v3 ↗ | 1,839.7 | 1,809.1 | 3.1% |
| Longform Writing ↗ | 78.3 | 77.7 | 3.1% |
| LiveBench · コーディング · 直接コーディング ↗ | 77.5% | 78.2% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 53.8% | 49.0% | 4.2% |
| LiveBench · 推論と数学 ↗ | 91.1% | 89.0% | 3.1% |
| APEX-Agents 1.1 ↗ | 52.4% | 46.3% | 6.3% |
| Arena Vision ↗ | 1,283.8 | 1,299.4 | 12.5% |
Grok 4.7 · #228 共通測定
共通証拠の重み 42.7% · 相対的な純支持差 -0.072
| 出典 | GPT-5.4 | Grok 4.7 | 重み |
|---|---|---|---|
| LiveBench · 言語と指示 ↗ | 76.4% | 77.7% | 12.5% |
| Arena · 創作 ↗ | 1,442.5 | 1,435.7 | 6.3% |
| Creative Writing v3 ↗ | 1,839.7 | 2,006.7 | 3.1% |
| Longform Writing ↗ | 78.3 | 83 | 3.1% |
| LiveBench · コーディング · 直接コーディング ↗ | 77.5% | 77.2% | 4.2% |
| LiveBench · コーディング · ツール利用のコーディング ↗ | 53.8% | 54.0% | 4.2% |
| LiveBench · 推論と数学 ↗ | 91.1% | 89.2% | 3.1% |
| APEX-Agents 1.1 ↗ | 52.4% | 54.6% | 6.3% |