GPT-5.4はOpenAIの最新のフロンティアモデルであり、CodexとGPTのラインを1つのシステムに統合しています。1M+トークンコンテキストウィンドウ（922K入力、128K出力）を特徴とし、サポート対象は...
GPT-5.4はOpenAIの大規模言語モデルで、コンテキストウィンドウが1,050,000トークン、最大出力が128,000トークンです。テキスト、画像、ファイルの入力を処理します。このモデルは、大学院レベルの科学問題のベンチマークであるGPQA…
GPT-5.4は言語理解、生成、推論、マルチモーダル解釈に優れています。その大きなコンテキストウィンドウは、マルチステップの指示追跡、長文コンテンツ作成、複雑な対話などのタスクをサポートします。このモデルは特に大学院レベルの科学推論に強く、GPQA Diamondで92.0を記録しています。また、ファイルベースのデータ抽出や画像説明も処理できます。モデルを選択する際は、ユースケースが本当にフルコンテキストを必要とするのか、それともより安価なモデルで十分かを検討してください。
1,050,000トークンのコンテキストを備えたGPT-5.4は、1つのプロンプトで書籍全体、長文レポート、数千行のコードを取り込むことができます。これにより、ドキュメント分割の必要がなくなり、モデルがすべての情報を同時に考慮できるようになります。出力は128,000トークンに制限されているため、要約や抽出も同様に長くなります。完全な長いコンテキストを必要としないタスクには、より小さなモデルの方がコスト効率が良い場合があります。
はい、GPT-5.4は画像やファイルの入力をテキストとともにサポートしています。画像は標準形式（JPEG、PNGなど）で提供でき、モデルは視覚コンテンツに関する質問に回答できます。ファイル（例：PDF、CSV）はアップロードされ、コンテキストの一部として処理されます。このマルチモーダル機能は、図の分析、表からのデータ抽出、テキストとグラフィックの相互参照に役立ちます。すべての入力モダリティはコンテキストトークン制限にカウントされます。
もしあなたのタスクが完全な105万トークンのコンテキストやマルチモーダル入力を必要としないのであれば、コスト削減のために、より小さいコンテキストウィンドウや限られたモダリティを持つモデルを検討してください。例えば、簡単なシングルターンクエリ、短いテキスト、または広範な推論の恩恵を受けないタスクは、GPT-4o miniやGPT-4.1 nanoのようなモデルで処理できます。プロンプトの長さと複雑さを評価してからGPT-5.4を選択し、未使用の容量に対して支払うのを避けてください。
GPT-5.4は、大学院レベルの物理学、化学、生物学をカバーする198問の多肢選択問題からなるベンチマークGPQA Diamondにおいて92.0のスコアを達成しました。このスコアは、専門家レベルの科学的推論における高い精度を示しています。提供された事実には、このモデルの他のベンチマークスコアはありません。ユーザーは自身のドメイン固有のタスクで性能を評価すべきです。
スコア92.0は、GPT-5.4がGPQA Diamondの質問の92%に正答したことを意味します。GPQA Diamondは、人間の専門家が何年もの大学院レベルの研究を経て習得する知識と推論力をテストするために設計されています。多段階の問題、科学データの解釈、微妙な概念の適用を含みます。このベンチマークは、モデルが複雑でドメイン固有のクエリを処理する能力を評価するためによく使用されます。
強み：非常に長いコンテキスト（1,050,000トークン）、高い科学的推論能力（92.0 GPQA Diamond）、マルチモーダル入力（テキスト、画像、ファイル）。制限事項：価格情報は提供されていません。コンテキスト長に応じてレイテンシが増加します。非常に大きなコンテキストではトークン制限に達したり、周辺の詳細に関する応答品質が低下する可能性があります。このモデルはリアルタイムストリーミングや音声入力をサポートしていません。科学に重点を置いていないタスクでは、他のモデルも同様の性能を低コストで提供できる場合があります。
推論速度は提供された事実には指定されていません。一般的に、パラメータ数が多く、コンテキストウィンドウが長いモデルほど、各トークンの処理に時間がかかります。ユーザーはGPT-4o miniのような小規模モデルと比較して、より高いレイテンシを予想する必要があります。OrcaRouterは独自のキャッシュや最適化レイヤーを持っている可能性がありますが、実際のスループットはリクエストサイズと同時負荷に依存します。代表的なプロンプトを使用したテストが推奨されます。
GPT-5.4のOrcaRouterにおける価格詳細は、事実には記載されていません。通常、OpenAIのモデル価格はトークン単位の入力および出力レートに基づいており、OrcaRouterは独自のマークアップを適用したり、バンドルプランを提供したりする場合があります。最新の価格を確認するには、OrcaRouterの価格ページをご覧いただくか、営業チームにお問い合わせください。すべてのトークンが課金されるため、コストはコンテキスト長に応じて増減します。
最大 1,050,000 トークンのコンテキストウィンドウを使用すると、入力トークンの総数に比例したコストが発生します。タスクでその容量の一部しか使用しない場合でも、プロンプト全体に対して課金されます。そのため、要件を満たしつつプロンプトをできるだけ短くすることがコスト効率的です。最大 128,000 トークンの出力も課金対象となります。非常に長い出力の場合は、切り詰めるか複数回の反復処理を検討してください。
OrcaRouterは、同一のプロンプトプレフィックスの再処理を避けるためにキャッシングメカニズムを提供する可能性がありますが、提供された事実ではこれは確認されていません。有効にすると、プロンプトキャッシングにより繰り返しのクエリの遅延とコストを削減できます。キャッシュポリシーについてはOrcaRouterのドキュメントを確認してください。キャッシングがない場合、一意のプロンプトごとに全額が請求されます。
正確な価格設定がない場合、直接比較は不可能です。一般的に、コンテキストウィンドウが大きく、ベンチマークスコアが高いモデルほど、トークンあたりの価格が高くなります。GPT-5.4は、GPT-4oやGPT-4.1のような小規模モデルよりもトークンあたりのコストが高い可能性があります。ユーザーは、予想される平均的なプロンプトと出力の長さに基づいて総コストを評価し、パフォーマンスの向上が価格差を正当化するかどうかを検討すべきです。
OpenAI互換のベースURL https://api.orcarouter.ai/v1 を使用し、モデルパラメータを openai/gpt-5.4 に設定します。認証にはOrcaRouter APIキーが必要です。curlリクエストの例: 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":"Hello"}]}'
このAPIは標準的なチャット補完パラメータをサポートしています：model (string)、messages (role/contentの配列)、max_tokens (最大128,000の整数)、temperature、top_p、frequency_penalty、presence_penalty、stop、stream (boolean)、n。マルチモーダル入力の場合は、message contentを type text/image_url/file を持つオブジェクトの配列として含めてください。正確なスキーマについてはOrcaRouterのAPIドキュメントを参照してください。
はい、OrcaRouterはOpenAI互換APIを提供しているためです。既存のベースURLをhttps://api.orcarouter.ai/v1に置き換え、モデル名をopenai/gpt-5.4に更新してください。OpenAIクライアントライブラリ（例：openai Pythonパッケージ）は、base_urlとapi_keyを変更することで再構成できます。コードがエラーレスポンス形式やレート制限の可能性のある違いを処理するようにしてください。
OrcaRouter上のモデルIDはopenai/gpt-5.4です。この文字列はリクエストボディのmodelフィールドに渡す必要があります。これにより、同じAPIエンドポイントで利用可能な他のモデルからGPT-5.4を区別します。誤ったIDを使用するとエラーになります。プロバイダーはopenaiですが、モデルはOrcaRouterによってホストおよびルーティングされています。
GPT-5.4は、はるかに大きなコンテキストウィンドウ（1,050,000トークン vs. 128,000トークン）と、より高いGPQA Diamondスコア（92.0 vs. GPT-4oでは未提供）を提供します。GPT-4oはテキストと画像をサポートしますが、ファイルアップロードはサポートせず、最大出力（16,384トークン vs. 128,000トークン）が低くなっています。GPT-5.4は長いコンテキストと科学的推論により適していますが、おそらくより高価で遅くなります。GPT-4oは、より短くシンプルなタスクにおいて依然として良い選択肢です。
Claude 3.5 Sonnetは20万トークンのコンテキストを提供し、GPT-5.4はそれを上回る105万トークンを実現しています。しかし、ベンチマーク比較は限定的です。GPT-5.4はGPQA Diamondで92.0、Claude 3.5 Sonnetは78.0（公知）です。提供された事実からは、Gemini 2.0 ProやLlama 3.1 405Bとの直接比較はありません。GPT-5.4は科学推論において競争力が強いですが、ユーザーは自身のデータでテストすべきです。
GPT-5.4はより大きなコンテキストウィンドウ（1,050,000 vs. Claudeの200,000）と高い最大出力（128,000 vs. 8,192）を提供します。GPQA Diamondでは、GPT-5.4は92.0、Claude 3.5 Sonnetは78.0を記録しています。これは、GPT-5.4が微妙な科学的文書分析においてより良いパフォーマンスを発揮する可能性を示唆しています。ただし、OrcaRouter上でのモデルの利用可能性、価格設定、エコシステム統合を考慮する必要があります。非常に長い文書の場合、GPT-5.4のより大きなコンテキストが有利です。
小規模モデル（例：GPT-4o mini、GPT-4.1 nano）は、低コスト、高速な推論、より小さなコンテキストウィンドウを備えています。GPT-5.4は、コストと速度を犠牲にして、複雑なタスクでの高精度と大規模なコンテキストを扱う能力を提供します。意思決定は、高リスクな質問（例：GPQA Diamond）に求められる性能とコンテキスト長の要求に基づくべきです。タスクが単純な場合、小規模なモデルの方が効率的である可能性が高いです。
OpenAI 互換——今お使いの SDK のまま
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| 階層 | 入力 / 1M tokens | 出力 / 1M tokens | キャッシュ読み取り / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| 階層はリクエストごとの入力トークン数で決定されます | |||
表示価格に基づく概算
段階制料金 — この見積もりは基本ティアの料金を使用しています。
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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