GPT-5.4 ist OpenAIs neuestes Frontier-Modell, das die Codex- und GPT-Reihen in einem einzigen System vereint. Es verfügt über ein 1M+ Token-Kontextfenster (922K Eingabe, 128K Ausgabe) mit Unterstützung für...
GPT-5.4 ist ein großes Sprachmodell von OpenAI mit einem Kontextfenster von 1.050.000 Token und einer maximalen Ausgabe von 128.000 Token. Es verarbeitet Text-, Bild- und Dateieingaben. Das Modell…
GPT-5.4 zeichnet sich durch Sprachverständnis, -generierung, logisches Denken und multimodale Interpretation aus. Sein großes Kontextfenster unterstützt Aufgaben wie das Befolgen von mehrstufigen Anweisungen, die Erstellung längerer Inhalte und komplexe Dialoge. Das Modell ist besonders stark bei wissenschaftlichem Denken auf Graduiertenniveau und erzielt 92.0 auf GPQA Diamond. Es kann auch dateibasierte Datenextraktion und Bildbeschreibung bewältigen. Bei der Modellauswahl sollten Sie bedenken, ob Ihr Anwendungsfall wirklich den vollen Kontext benötigt oder ein günstigeres Modell ausreicht.
Mit einem Kontext von 1.050.000 Token kann GPT-5.4 ganze Bücher, lange Berichte oder Tausende von Codezeilen in einem einzigen Prompt verarbeiten. Dadurch entfällt die Notwendigkeit der Dokumentenaufteilung, und das Modell kann alle Informationen gleichzeitig berücksichtigen. Die Ausgabe ist auf 128.000 Token begrenzt, sodass Zusammenfassungen oder Extraktionen ähnlich lang sein können. Für Aufgaben, die keinen vollständigen Langkontext benötigen, können kleinere Modelle kosteneffizienter sein.
Ja, GPT-5.4 unterstützt Bild- und Dateieingaben neben Text. Bilder können in Standardformaten (JPEG, PNG, etc.) bereitgestellt werden und das Modell kann Fragen zu visuellen Inhalten beantworten. Dateien (z. B. PDF, CSV) werden hochgeladen und als Teil des Kontexts verarbeitet. Diese multimodale Fähigkeit ist nützlich für die Analyse von Diagrammen, das Extrahieren von Daten aus Tabellen oder das Querverweisen von Text mit Grafiken. Alle Eingabemodalitäten zählen zum Context-Token-Limit.
Wenn Ihre Aufgabe nicht den vollständigen Kontext von 1.050.000 Token oder multimodale Eingaben erfordert, sollten Sie Modelle mit kleineren Kontextfenstern oder eingeschränkten Modalitäten in Betracht ziehen, um Kosten zu senken. Beispielsweise können einfache Einzelfragen, kurze Texte oder Aufgaben, die keine umfangreiche Argumentation erfordern, mit Modellen wie GPT-4o mini oder GPT-4.1 nano bearbeitet werden. Bewerten Sie die Länge und Komplexität Ihres Prompts, bevor Sie sich für GPT-5.4 entscheiden, um nicht für ungenutzte Kapazität zu bezahlen.
GPT-5.4 erreichte eine Punktzahl von 92,0 auf GPQA Diamond, einem Benchmark aus 198 Multiple-Choice-Fragen, die Physik, Chemie und Biologie auf Graduiertenniveau abdecken. Diese Punktzahl weist auf eine hohe Genauigkeit bei wissenschaftlichem Denken auf Expertenniveau hin. Für dieses Modell sind in den bereitgestellten Fakten keine weiteren Benchmark-Ergebnisse verfügbar. Benutzer sollten die Leistung bei ihren eigenen domänenspezifischen Aufgaben bewerten.
Ein Ergebnis von 92,0 bedeutet, dass GPT-5.4 92 % der GPQA Diamond-Fragen korrekt beantwortet hat. GPQA Diamond wurde entwickelt, um Wissen und Argumentationsfähigkeiten zu testen, über die ein menschlicher Experte nach Jahren des Graduiertenstudiums verfügen würde. Es umfasst mehrstufige Probleme, die Interpretation wissenschaftlicher Daten und die Anwendung nuancierter Konzepte. Dieser Benchmark wird häufig verwendet, um die Fähigkeit eines Modells zu bewerten, komplexe, domänenspezifische Anfragen zu bearbeiten.
Stärken: sehr langer Kontext (1.050.000 Tokens), hohe wissenschaftliche Reasoning-Fähigkeiten (92,0 GPQA Diamond), multimodale Eingabe (Text, Bild, Datei). Einschränkungen: keine Preisinformationen verfügbar; Latenz steigt mit der Kontextlänge; extrem große Kontexte können Token-Grenzen erreichen oder die Antwortqualität bei peripheren Details beeinträchtigen. Das Modell unterstützt kein Echtzeit-Streaming oder Spracheingabe. Für Aufgaben, die nicht stark wissenschaftlich sind, können andere Modelle zu geringeren Kosten gleichermaßen leistungsfähig sein.
Die Inferenzgeschwindigkeit wird in den bereitgestellten Fakten nicht angegeben. Im Allgemeinen benötigen Modelle mit größerer Parameteranzahl und längeren Kontextfenstern länger, um jedes Token zu verarbeiten. Benutzer sollten im Vergleich zu kleineren Modellen wie GPT-4o mini eine höhere Latenz erwarten. OrcaRouter verfügt möglicherweise über eine eigene Caching- oder Optimierungsschicht, aber der tatsächliche Durchsatz hängt von der Anfragegröße und der gleichzeitigen Last ab. Es wird empfohlen, Tests mit repräsentativen Prompts durchzuführen.
Preisdetails für GPT-5.4 auf OrcaRouter sind in den Fakten nicht enthalten. Typischerweise basiert die Preisgestaltung von OpenAI-Modellen auf pro‑Token-Eingabe- und Ausgaberaten, und OrcaRouter kann einen eigenen Aufschlag erheben oder Paketangebote anbieten. Um aktuelle Preise zu erhalten, konsultieren Sie die Preisseite von OrcaRouter oder kontaktieren Sie deren Vertriebsteam. Die Kosten skalieren mit der Kontextlänge, da jeder Token berechnet wird.
Die Nutzung des vollständigen 1.050.000-Token-Kontextfensters verursacht Kosten proportional zur Gesamtzahl der Eingabe-Tokens. Wenn Ihre Aufgabe nur einen Bruchteil dieser Kapazität nutzt, wird Ihnen dennoch der gesamte Prompt in Rechnung gestellt. Daher ist es kosteneffizient, Prompts so kurz wie möglich zu halten, während die Anforderungen weiterhin erfüllt werden. Ausgabe-Tokens bis zu 128.000 werden ebenfalls abgerechnet. Bei sehr langen Ausgaben sollten Sie Kürzungen oder die Verwendung mehrerer Iterationen in Betracht ziehen.
OrcaRouter bietet möglicherweise Caching-Mechanismen, um die erneute Verarbeitung identischer Prompt-Präfixe zu vermeiden, aber dies wird in den bereitgestellten Fakten nicht bestätigt. Wenn aktiviert, kann Prompt-Caching die Latenz und Kosten für wiederholte Abfragen reduzieren. Überprüfen Sie die OrcaRouter-Dokumentation auf Cache-Richtlinien. Ohne Caching wird jeder eindeutige Prompt vollständig berechnet.
Ohne genaue Preisangaben ist ein direkter Vergleich nicht möglich. Im Allgemeinen verlangen Modelle mit größeren Kontextfenstern und höheren Benchmark-Ergebnissen höhere Preise pro Token. GPT-5.4 ist wahrscheinlich teurer pro Token als kleinere Modelle wie GPT-4o oder GPT-4.1. Nutzer sollten die Gesamtkosten basierend auf der erwarteten durchschnittlichen Eingabe- und Ausgabelänge bewerten und abwägen, ob die Leistungssteigerungen den Preisunterschied rechtfertigen.
Verwenden Sie die OpenAI-kompatible Basis-URL https://api.orcarouter.ai/v1 und setzen Sie den Modellparameter auf openai/gpt-5.4. Für die Authentifizierung ist ein OrcaRouter-API-Schlüssel erforderlich. Beispiel-Curl-Anfrage: curl https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model":"openai/gpt-5.4","messages":[{"role":"user","content":"Hallo"}]}'.
Die API unterstützt standardmäßige Chat‑Vervollständigungsparameter: model (string), messages (array von role/content), max_tokens (integer bis zu 128.000), temperature, top_p, frequency_penalty, presence_penalty, stop, stream (boolean) und n. Für multimodale Eingaben fügen Sie den Nachrichteninhalt als Array von Objekten mit type text/image_url/file hinzu. Weitere Informationen finden Sie in der OrcaRouter-API-Dokumentation für das genaue Schema.
Ja, denn OrcaRouter bietet eine OpenAI‑kompatible API. Ersetzen Sie Ihre vorhandene Basis-URL durch https://api.orcarouter.ai/v1 und aktualisieren Sie den Modellnamen auf openai/gpt-5.4. Ihre OpenAI-Clientbibliothek (z. B. das openai Python-Paket) kann durch Ändern von base_url und api_key neu konfiguriert werden. Stellen Sie sicher, dass Ihr Code mögliche Unterschiede in den Fehlerantwortformaten oder Ratenbegrenzungen behandelt.
Die Modell-ID auf OrcaRouter lautet openai/gpt-5.4. Diese Zeichenfolge muss im Feld model des Anforderungstexts übergeben werden. Sie unterscheidet GPT-5.4 von anderen Modellen, die über denselben API-Endpunkt verfügbar sind. Die Verwendung einer falschen ID führt zu einem Fehler. Der Anbieter ist openai, das Modell wird jedoch von OrcaRouter gehostet und geroutet.
GPT-5.4 bietet einen viel größeren Kontextfenster (1.050.000 vs. 128.000 Token) und einen höheren GPQA-Diamond-Score (92,0 vs. nicht für GPT-4o angegeben). GPT-4o unterstützt Text und Bilder, jedoch keine Datei-Uploads, und hat eine geringere maximale Ausgabe (16.384 Token vs. 128.000). GPT-5.4 ist leistungsfähiger für lange Kontexte und wissenschaftliches Denken, aber wahrscheinlich teurer und langsamer. GPT-4o bleibt eine gute Wahl für kürzere, einfachere Aufgaben.
Claude 3.5 Sonnet bietet einen Kontext von 200.000 Token; GPT-5.4 übertrifft dies mit 1.050.000. Allerdings sind Benchmark-Vergleiche begrenzt: GPT-5.4 erreicht 92,0 auf GPQA Diamond, während Claude 3.5 Sonnet 78,0 erreicht (öffentlich bekannt). Es liegen keine direkten Vergleiche mit Gemini 2.0 Pro oder Llama 3.1 405B aus den bereitgestellten Fakten vor. GPT-5.4 ist in wissenschaftlichem Denken wettbewerbsfähig stark, aber Benutzer sollten es mit ihren eigenen Daten testen.
GPT-5.4 bietet ein größeres Kontextfenster (1.050.000 vs. Claudes 200.000) und eine höhere maximale Ausgabe (128.000 vs. 8.192). Auf GPQA Diamond erreicht GPT-5.4 92,0; Claude 3.5 Sonnet erreicht 78,0. Dies deutet darauf hin, dass GPT-5.4 bei der Analyse nuancierter wissenschaftlicher Dokumente möglicherweise besser abschneidet. Allerdings sollten die Verfügbarkeit des Modells, die Preisgestaltung und die Integration des Ökosystems auf OrcaRouter berücksichtigt werden. Bei sehr langen Dokumenten ist der größere Kontext von GPT-5.4 vorteilhaft.
Kleinere Modelle (z. B. GPT-4o mini, GPT-4.1 nano) haben niedrigere Kosten, schnellere Inferenz und kleinere Kontextfenster. GPT-5.4 tauscht Kosten und Geschwindigkeit gegen höhere Genauigkeit bei komplexen Aufgaben und die Fähigkeit, massive Kontexte zu verarbeiten. Ihre Entscheidung sollte auf der erforderlichen Leistung bei risikoreichen Fragen (wie GPQA Diamond) und den Anforderungen an die Kontextlänge basieren. Wenn Ihre Aufgabe einfach ist, ist ein kleineres Modell wahrscheinlich effizienter.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.4",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Stufe | Eingabe / 1M Tokens | Ausgabe / 1M Tokens | Cache-Lesen / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| Stufe wird durch die Eingabe-Token-Anzahl jeder Anfrage bestimmt | |||
Schätzung auf Basis des Listenpreises
Gestaffelte Preise — diese Schätzung verwendet die Basisstufe.
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/openai/gpt-5.4Öffnen @misc{orcarouter_gpt_5_4,
title = {GPT-5.4 API},
author = {OpenAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.4}
}OpenAI. (2026). GPT-5.4 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.4