DataLearner 标志

GPT-5.4 nano 评测详情

GPT-5.4 nano 当前已收录的代表性评测结果包括 Terminal Bench Hard(45 / 244,得分 42.40)、LiveBench(39 / 117,得分 69.58)、Claw Bench(10 / 29,得分 89.70)。

评测结果

GPT-5.4 nano

评测结果

思考模式
工具使用

抽象归纳与泛化

共 8 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-1
低工具
18.33
175 / 193
ARC-AGI-1
中工具
33
164 / 193
ARC-AGI-1
高工具
38.17
155 / 193
ARC-AGI-1
极高工具
51.50
144 / 193
ARC-AGI-2
低工具
1.53
165 / 181
ARC-AGI-2
中工具
1.94
159 / 181
ARC-AGI-2
高工具
3.61
151 / 181
ARC-AGI-2
极高工具
5.69
137 / 181

综合知识考试

共 2 项评测
评测名称 / 模式
得分
排名/总数
HLE
极高
24.30
141 / 235
HLE
极高工具
37.70
88 / 235

科学知识与推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
55.56
221 / 253
72.22
169 / 253
5.10
98 / 204
CritPt
极高
9.30
79 / 204

图像感知与视觉推理

共 5 项评测
评测名称 / 模式
得分
排名/总数
MMMU
极高
66.10
53 / 74
MMMU
极高工具
69.50
47 / 74
MMMU-Pro
常规模式
43.80
217 / 229
59.50
179 / 229
MMMU-Pro
极高
65.40
152 / 229

数学

共 5 项评测
评测名称 / 模式
得分
排名/总数
FrontierMath v2
常规模式
4.56
58 / 58
20.35
49 / 58
44.91
32 / 58
12.20
31 / 42
6.30
35 / 80

仓库修复与多文件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
52.40
41 / 62

跨能力综合测试

共 5 项评测
评测名称 / 模式
得分
排名/总数
LiveBench
常规模式
32.39
117 / 117
48.67
98 / 117
58.46
77 / 117
62.75
58 / 117
LiveBench
深度思考模式
69.58
39 / 117

自主开发与终端任务

共 5 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
极高工具
46.30
42 / 48
Terminal Bench Hard
常规模式工具
24.20
134 / 244
33.30
86 / 244
42.40
45 / 244
Terminal-Bench 4.0
极高工具
0.50
93 / 98

跨应用与工具编排

共 3 项评测
评测名称 / 模式
得分
排名/总数
Claw Bench
开启思考工具
89.70
10 / 29
68.99
27 / 45
Tool Decathlon
极高工具
35.50
9 / 10

多轮记忆与持续上下文

共 5 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
13.04
126 / 126
23.31
120 / 126
32.74
113 / 126
39.03
100 / 126
52.79
85 / 126

桌面工作流

共 1 项评测
评测名称 / 模式
得分
排名/总数
OSWorld-Verified
极高工具
39
27 / 28

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
145.78
73 / 167
Vals Index
高工具
33
37 / 42

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
极高
47.20
83 / 134

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SAGE
高工具
38.08
45 / 64
τ³-Banking
极高工具
27.40
69 / 167

法律

共 3 项评测
评测名称 / 模式
得分
排名/总数
Harvey Lab-AA
极高工具
52.24
39 / 44
6.25
41 / 42

金融

共 2 项评测
评测名称 / 模式
得分
排名/总数
44.75
36 / 42
38.22
38 / 43

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
极高
7.80
92 / 122

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
14.47
35 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
26.10
44 / 61

临床工作与医疗决策

共 2 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
高工具
77.09
48 / 66
MedCode
高工具
41.03
43 / 64