OpenAI GPT-5.4-2026-03-05: 1.05M konteks, 128K output, 92.0 GPQA Diamond. Input teks, gambar, file.
Ini adalah model bahasa besar dari OpenAI dengan jendela konteks 1,050,000 token dan output maksimum 128,000 token. Model ini menerima masukan teks, gambar, dan file, memungkinkan pengguna untuk…
Dengan konteks 1.05M dan dukungan multi-modal, ia unggul dalam tugas-tugas seperti menganalisis laporan keuangan panjang dengan grafik yang disematkan, merangkum seluruh dokumen penemuan hukum, memeriksa basis kode besar untuk bug atau pola, dan melakukan penelitian akademis atas makalah yang panjang. Ia dapat menggabungkan beberapa gambar (misalnya, slide dari presentasi) dengan konteks tekstual dan menghasilkan ringkasan yang terpadu. Output maksimal 128K juga membuatnya cocok untuk menghasilkan laporan yang komprehensif, proyek perangkat lunak lengkap, atau konten naratif yang panjang yang akan terpotong oleh model dengan batas output yang lebih kecil. Kasus penggunaan yang memerlukan kemampuan penalaran tinggi, seperti soal matematika atau logika multi-langkah, juga mendapat manfaat dari skor tolok ukur.
Jika tugas Anda melibatkan input dan output yang pendek (misalnya, percakapan chatbot di bawah 4K token, klasifikasi sederhana, atau terjemahan singkat), model yang lebih kecil seperti GPT-4o mini atau GPT-4o dari OpenAI mungkin lebih hemat biaya dan lebih cepat. Selain itu, jika tugas tidak memerlukan kedalaman penalaran yang diukur oleh GPQA Diamond, model yang lebih murah dapat mencapai hasil yang dapat diterima dengan biaya lebih rendah. Karena harga untuk model ini di OrcaRouter tidak tersedia untuk publik, kemungkinan biaya per token lebih tinggi daripada model yang lebih kecil. Evaluasi apakah konteks yang diperpanjang dan ukuran output diperlukan; jika tidak, model yang lebih ringan akan mengurangi biaya moneter dan latensi.
Model ini secara native menangani input teks, gambar, dan berkas dalam jendela konteks yang sama. Ini berarti Anda dapat mengirim permintaan yang berisi prompt teks, beberapa gambar (misalnya, foto, diagram), dan berkas yang dilampirkan (misalnya, PDF, spreadsheet) sebagai bagian dari larik pesan. Model akan bernalar di semua modalitas. Sebagai contoh, Anda dapat memintanya untuk membandingkan diagram dalam gambar dengan data dalam berkas CSV dan menghasilkan analisis tekstual. Perhatikan bahwa pemrosesan gambar dan berkas menggunakan token dari jendela konteks; gambar besar dapat menggunakan ribuan token, jadi rencanakan permintaan Anda dengan tepat agar tetap dalam 1,050,000 token.
Modalitas masukan file mencakup format dokumen umum seperti PDF, Word, Excel, PowerPoint, file teks, dan mungkin format gambar di luar gambar web biasa. Meskipun tipe MIME file yang tepat tidak disebutkan dalam fakta yang diberikan, OrcaRouter kemungkinan mendukung rentang yang sama dengan titik akhir file OpenAI. Untuk hasil terbaik, gunakan file berbasis teks (PDF, TXT, kode) karena gambar ditangani secara terpisah melalui modalitas gambar. Model dapat mengekstrak teks dari file dan memasukkannya ke dalam penalarannya. Jika Anda perlu menganalisis gambar yang tertanam dalam file (misalnya, PDF dengan gambar), lebih baik mengekstrak gambar tersebut secara terpisah dan mengirimkannya melalui masukan gambar.
GPQA Diamond adalah tolok ukur yang terdiri dari pertanyaan pilihan ganda tingkat pascasarjana dalam biologi, fisika, dan kimia. Skor 92,0 menunjukkan bahwa model tersebut menjawab 92% dari pertanyaan-pertanyaan ini dengan benar. Ini adalah hasil yang kuat, menunjukkan bahwa model tersebut memiliki penalaran mendalam dan pengetahuan khusus domain. Namun, skor tolok ukur tidak menjamin kinerja sempurna di setiap skenario dunia nyata. Model mungkin masih menghasilkan kesalahan pada tugas yang rumit atau topik di luar distribusi pelatihannya. Skor ini merupakan metrik perbandingan: ini menunjukkan bahwa model ini mengungguli banyak model sebelumnya pada tes spesifik ini, tetapi untuk aplikasi berisiko tinggi yang spesifik domain, selalu validasi keluaran.
Kelebihannya termasuk kemampuan memproses konteks yang sangat panjang, menangani berbagai modalitas, dan menghasilkan keluaran yang panjang. Skor GPQA Diamond yang tinggi menunjukkan kemampuan penalaran yang kuat. Keterbatasan: seperti semua LLM, model ini dapat menghasilkan informasi yang terdengar meyakinkan namun tidak akurat (halusinasi). Jendela konteks yang besar berarti jika pengguna memberikan informasi yang bertentangan atau tidak relevan dalam konteks, model mungkin kesulitan untuk fokus pada bagian penting. Selain itu, karena model ini besar, latensi inferensi mungkin lebih tinggi dibandingkan model yang lebih kecil. Keluaran maksimum model sebanyak 128.000 token memang besar namun tetap terbatas; generasi yang sangat panjang mungkin tetap terpotong jika keluaran melebihi batas tersebut. Tidak ada angka latensi atau kecepatan yang disediakan secara publik.
Satu-satunya tolok ukur spesifik yang diberikan adalah GPQA Diamond sebesar 92,0. Sebagai perbandingan, model OpenAI sebelumnya seperti GPT-4 (Agustus 2023) mendapat skor sekitar 38,0 pada GPQA (standar yang lebih tinggi dari Diamond). GPT-4o (Mei 2024) mendapat skor sekitar 75-80 pada GPQA Diamond (diketahui publik). Oleh karena itu, model ini menunjukkan peningkatan. Untuk tolok ukur lainnya seperti MMLU, HumanEval, dll., tidak ada data yang diberikan; pengguna harus menganggap kinerja kuat yang khas diharapkan dari model flagship OpenAI. Pembeda utamanya adalah ukuran konteks dan keluaran: GPT-4o memiliki konteks 128K dan keluaran 16K, sedangkan model ini memiliki konteks 1,05M dan keluaran 128K. Jadi untuk dokumen yang sangat panjang, model ini adalah pilihan yang lebih baik.
Tidak ada tolok ukur multimodal (misalnya, pada pemberian keterangan gambar atau menjawab pertanyaan visual) yang disertakan dalam fakta yang diberikan. Namun, mengingat model ini mendukung input gambar dan file, wajar untuk berasumsi bahwa model ini bekerja dengan baik pada tugas bahasa-visual standar, kemungkinan sebanding atau lebih baik daripada kemampuan visual GPT-4o. Pengguna yang tertarik pada akurasi multimodal spesifik harus menguji model pada kumpulan data mereka sendiri. Skor GPQA Diamond (hanya teks) memberikan dasar untuk penalaran, tetapi tidak mencakup penalaran visual. Untuk tugas yang memerlukan pembacaan teks dari gambar, model menggunakan pengenalan karakter optik secara internal, tetapi tidak ada angka akurasi OCR terpisah yang disediakan.
Harga untuk openai/gpt-5.4-2026-03-05 di OrcaRouter tidak diungkapkan secara publik dalam fakta yang tersedia. Biasanya, model dengan jendela konteks yang sangat besar dan batas output yang tinggi memiliki harga per token yang lebih tinggi karena sumber daya komputasi yang diperlukan. Untuk harga saat ini, Anda harus merujuk ke dasbor OrcaRouter atau menghubungi dukungan mereka. Saat membuat anggaran, pertimbangkan bahwa output maksimum yang tinggi (128K token) dapat menyebabkan tagihan yang lebih besar per permintaan. Beberapa platform menawarkan diskon caching untuk prompt yang berulang; periksa dokumentasi OrcaRouter untuk detailnya. Untuk beban kerja yang sensitif terhadap biaya, evaluasi apakah model yang lebih kecil dapat mencapai hasil yang dapat diterima untuk sebagian pipeline.
OrcaRouter mungkin menawarkan mekanisme caching di mana prompt yang diulang di seluruh permintaan disimpan sementara untuk mengurangi biaya. Ini umum di banyak penyedia API. Untuk model dengan konteks 1.05M, caching bisa sangat bermanfaat jika Anda sering menggunakan prompt sistem yang sama atau dokumen statis yang besar. Namun, kebijakan caching spesifik untuk model ini tidak dirinci dalam fakta yang disediakan. Anda mungkin dapat mengaktifkan caching dengan mengatur header yang sesuai atau menggunakan fitur bawaan OrcaRouter. Tanpa caching, setiap permintaan memproses konteks penuh, sehingga biaya berskala linear dengan panjang input. Untuk mengoptimalkan, pra-proses input untuk menghapus konten yang tidak relevan sebelum mengirimkannya.
Tidak ada angka harga yang diberikan untuk model apa pun dalam fakta-fakta tersebut. Sebagai catatan umum, model dengan jendela konteks yang lebih besar dan tanggal rilis yang lebih baru cenderung memiliki harga lebih tinggi dibandingkan model sebelumnya. GPT-4o, yang memiliki konteks 128K dan keluaran 16K, kemungkinan akan lebih murah daripada model ini. Untuk permintaan pendek yang sering, biaya GPT-4o yang lebih rendah mungkin lebih ekonomis. Untuk tugas dokumen panjang, jendela konteks GPT-4o mungkin tidak mencukupi, sehingga memaksa pemotongan dan beberapa panggilan; dalam kasus tersebut, biaya per-token yang lebih tinggi dari model ini sebenarnya bisa lebih rendah secara keseluruhan karena menghindari pemrosesan tambahan. Pengguna harus menjalankan perkiraan biaya mereka sendiri berdasarkan pola penggunaan yang sebenarnya.
Atur base URL ke https://api.orcarouter.ai/v1 dan gunakan model ID "openai/gpt-5.4-2026-03-05" di dalam body permintaan. API ini sepenuhnya kompatibel dengan klien Python OpenAI, curl, atau klien HTTP apa pun yang mendukung endpoint chat completions. Contoh menggunakan pustaka openai di Python: ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_KEY") response = client.chat.completions.create( model="openai/gpt-5.4-2026-03-05", messages=[{"role":"user","content":"Explain quantum computing"}], max_tokens=2048 ) ``` Semua parameter standar didukung. Ingatlah untuk mengganti YOUR_KEY dengan kunci API OrcaRouter.
Parameter minimal yang diperlukan adalah "model" (string, harus "openai/gpt-5.4-2026-03-05") dan "messages" (array dari objek pesan). Setiap objek pesan memerlukan "role" (system, user, atau assistant) dan "content". Untuk input multi-modal, konten dapat berupa array dari bagian konten (text, image_url, atau file). Model juga mendukung parameter "max_tokens" (integer hingga 128.000). Jika diabaikan, model dapat menghasilkan hingga kondisi berhenti. Parameter opsional lainnya mencakup temperature, top_p, frequency_penalty, presence_penalty, stop, dan stream. Semua mengikuti spesifikasi OpenAI Chat Completions.
Migrasi melibatkan perubahan base URL dan mungkin memperbarui API key. Jika kode Anda saat ini menggunakan klien Python OpenAI dengan base URL default (api.openai.com), Anda hanya perlu menginstansiasi klien dengan base_url="https://api.orcarouter.ai/v1" dan kunci API OrcaRouter Anda. ID model berubah dari nama model OpenAI (misalnya, "gpt-5.4-2026-03-05") menjadi "openai/gpt-5.4-2026-03-05" (perhatikan prefiks penyedia). Semua parameter lainnya tetap sama. Uji coba dengan permintaan sederhana terlebih dahulu. Model ini mungkin memiliki perilaku yang sedikit berbeda dibandingkan model yang sama ketika diakses langsung melalui OpenAI, tetapi secara fungsional seharusnya identik untuk sebagian besar kasus penggunaan.
GPT-4o (khususnya versi gpt-4o-2024-08-06) memiliki jendela konteks 128.000 token dan output maksimal 16.384 token. Sebaliknya, openai/gpt-5.4-2026-03-05 menawarkan jendela konteks 1.050.000 token (sekitar 8,2 kali lebih besar) dan output maksimal 128.000 token (sekitar 7,8 kali lebih besar). Hal ini membuat model yang lebih baru jauh lebih cocok untuk tugas-tugas yang melibatkan seluruh buku, basis kode yang besar, atau riwayat percakapan yang panjang, serta untuk menghasilkan output yang panjang seperti laporan lengkap. Namun, GPT-4o mungkin memiliki inferensi yang lebih cepat dan biaya yang lebih rendah. Dari segi tolok ukur, skor GPQA Diamond GPT-4o lebih rendah (sekitar 80) dibandingkan dengan 92,0, yang menunjukkan penalaran yang lebih baik pada pertanyaan level pascasarjana. Untuk tugas-tugas yang sesuai dalam konteks GPT-4o, model ini tetap menjadi alternatif yang kuat.
GPT-4 Turbo (gpt-4-turbo-2024-04-09) memiliki jendela konteks 128.000 token dan output maksimal 4.096 token. Skor GPQA Diamond-nya secara signifikan lebih rendah (sekitar 38). Oleh karena itu, model 5.4 mengunggulinya dalam hal konteks, output, dan penalaran. Karena GPT-4 Turbo lebih lama, ia mungkin masih digunakan untuk tugas singkat berbiaya rendah, tetapi untuk beban kerja konteks panjang atau penalaran tinggi, model ini lebih unggul. Model yang lebih baru juga mendukung input gambar dan file secara native, sementara kemampuan visi GPT-4 Turbo diperkenalkan kemudian dan tidak terintegrasi dengan baik.
OrcaRouter kemungkinan juga menawarkan model OpenAI lainnya (misalnya, openai/gpt-4o, openai/gpt-4-turbo) serta model dari penyedia lain. Jika Anda membutuhkan jendela konteks yang lebih besar dari 128K token tetapi lebih kecil dari 1,05M, Anda dapat mempertimbangkan model seperti Anthropic's Claude 3.5 Sonnet (konteks 200K) atau Google's Gemini 1.5 Pro (konteks 1M). Pilihannya tergantung pada kebutuhan spesifik Anda terkait penalaran, dukungan multimodal, dan panjang output. Model ini menonjol karena kombinasi konteks yang sangat besar dan skor penalaran yang tinggi. Untuk hasil terbaik, uji kasus penggunaan spesifik Anda dengan permintaan sampel melalui API OrcaRouter untuk membandingkan kualitas output antar model.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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-5.4-2026-03-05",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Tingkat | Input / 1M token | Output / 1M token | Baca cache / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| Tingkat dipilih berdasarkan jumlah token input setiap permintaan | |||
Perkiraan berdasarkan harga daftar
Harga berjenjang — perkiraan ini memakai tarif jenjang dasar.
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/openai/gpt-5.4-2026-03-05Buka @misc{orcarouter_gpt_5_4_2026_03_05,
title = {openai/gpt-5.4-2026-03-05 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.4-2026-03-05}
}openai. (n.d.). openai/gpt-5.4-2026-03-05 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.4-2026-03-05