OpenAI GPT-5.4-2026-03-05: 1.05M context, 128K output, 92.0 GPQA Diamond. Tekst, afbeelding, bestandsinvoer.
Dit is een groot taalmodel van OpenAI met een contextvenster van 1,050,000 tokens en een maximale output van 128,000 tokens. Het accepteert tekst-, afbeeldings- en bestandsinvoer, zodat gebruikers…
Gezien de 1.05M context en multi-modale ondersteuning blinkt het uit in taken zoals het analyseren van lange financiële rapporten met ingebedde grafieken, het samenvatten van volledige juridische ontdekkingsdocumenten, het onderzoeken van grote codebases op bugs of patronen, en het uitvoeren van academisch onderzoek over langdurige papers. Het kan meerdere afbeeldingen (bijv. dia's van een presentatie) combineren met tekstuele context en een uniforme samenvatting produceren. De maximale uitvoer van 128K maakt het ook geschikt voor het genereren van uitgebreide rapporten, volledige softwareprojecten of langdurige verhalende inhoud die door modellen met kleinere uitvoerlimieten zou worden afgekapt. Gebruiksscenario's die hoge redeneercapaciteit vereisen, zoals meerstaps wiskunde- of logica problemen, profiteren ook van de benchmark scores.
Als uw taak korte invoer en uitvoer omvat (bijv. chatbot-gesprekken onder 4K tokens, eenvoudige classificatie of korte vertalingen), kan een kleiner model zoals OpenAI's GPT-4o mini of GPT-4o kosteneffectiever en sneller zijn. Ook, als de taak niet de redeneerdiepte vereist die wordt gemeten door GPQA Diamond, kan een goedkoper model acceptabele resultaten behalen tegen lagere kosten. Omdat de prijzen voor dit model op OrcaRouter niet openbaar beschikbaar zijn, is het waarschijnlijk dat de kosten per token hoger zijn dan voor kleinere modellen. Evalueer of de uitgebreide context en uitvoergrootte nodig zijn; zo niet, dan zal een lichter model zowel de kosten als de latentie verminderen.
Het model verwerkt native tekst-, afbeeldings- en bestandsinvoer binnen hetzelfde contextvenster. Dit betekent dat u een verzoek kunt sturen met een tekstprompt, een paar afbeeldingen (bijv. foto's, diagrammen) en bijgevoegde bestanden (bijv. PDF's, spreadsheets) als onderdeel van de berichtenreeks. Het model redeneert over alle modaliteiten heen. U kunt het bijvoorbeeld vragen om een diagram in een afbeelding te vergelijken met gegevens in een CSV-bestand en een tekstuele analyse te produceren. Houd er rekening mee dat beeld- en bestandsverwerking tokens uit het contextvenster verbruiken; een grote afbeelding kan duizenden tokens gebruiken, dus plan uw verzoeken dienovereenkomstig om binnen 1.050.000 tokens te blijven.
De bestandsinvoermodaliteit omvat gangbare documentformaten zoals PDF, Word, Excel, PowerPoint, tekstbestanden en mogelijk afbeeldingsformaten die verder gaan dan typische webafbeeldingen. Hoewel de exacte MIME-typen van bestanden niet in de gegeven feiten zijn gespecificeerd, ondersteunt OrcaRouter waarschijnlijk hetzelfde bereik als de bestandsendpoints van OpenAI. Gebruik voor de beste resultaten op tekst gebaseerde bestanden (PDF, TXT, code), omdat afbeeldingen apart worden afgehandeld via de afbeeldingsmodaliteit. Het model kan tekst uit bestanden extraheren en deze in zijn redenering opnemen. Als u een afbeelding wilt analyseren die is ingesloten in een bestand (bijv. een PDF met afbeeldingen), is het beter om de afbeelding apart te extraheren en deze via de afbeeldingsinvoer te verzenden.
GPQA Diamond is een benchmark die bestaat uit meerkeuzevragen op graduate-niveau in biologie, natuurkunde en scheikunde. Een score van 92.0 geeft aan dat het model 92% van deze vragen correct heeft beantwoord. Dit is een sterk resultaat, wat suggereert dat het model over diepgaand redeneervermogen en domeinspecifieke kennis beschikt. Echter, benchmarkscores garanderen geen perfecte prestaties in elke realistische situatie. Het model kan nog steeds fouten maken bij genuanceerde taken of onderwerpen buiten zijn trainingsdata. Deze score is een vergelijkende maatstaf: het toont aan dat dit model beter presteert dan veel eerdere modellen op deze specifieke test, maar voor domeinspecifieke toepassingen met hoge inzet, valideer altijd de uitvoer.
Sterke punten zijn onder andere de mogelijkheid om zeer lange contexten te verwerken, meerdere modaliteiten te hanteren en lange uitvoer te produceren. De hoge GPQA Diamond-score duidt op sterke redeneervaardigheden. Beperkingen: zoals bij alle LLM's kan het plausibel klinkende maar onjuiste informatie genereren (hallucinatie). Het grote contextvenster betekent dat als een gebruiker tegenstrijdige of irrelevante informatie in de context geeft, het model moeite kan hebben om zich op belangrijke delen te concentreren. Ook omdat het model groot is, kan de inferentielatentie hoger zijn dan bij kleinere modellen. De maximale uitvoer van 128.000 tokens van het model is royaal maar nog steeds beperkt; extreem lange generaties kunnen nog worden afgekapt als de uitvoer die limiet overschrijdt. Er zijn geen latentie- of snelheidscijfers openbaar beschikbaar.
De enige specifieke benchmark die wordt vermeld is GPQA Diamond met 92.0. Ter vergelijking: eerdere OpenAI-modellen zoals GPT-4 (augustus 2023) scoorden rond de 38.0 op GPQA (de hogere drempel van Diamond). GPT-4o (mei 2024) scoorde ongeveer 75-80 op GPQA Diamond (algemeen bekend). Daarom toont dit model verbetering. Voor andere benchmarks zoals MMLU, HumanEval, enz., worden geen gegevens verstrekt; gebruikers moeten uitgaan van de typische sterke prestaties die van een vlaggenschip OpenAI-model worden verwacht. Het belangrijkste onderscheid is de context- en outputgrootte: GPT-4o heeft een context van 128K en een output van 16K, terwijl dit model een context van 1.05M en een output van 128K heeft. Dus voor zeer lange documenten is dit model de betere keuze.
In de verstrekte feiten zijn geen multimodale benchmarks (bijv. over beeldonderschriften of visuele vraagbeantwoording) opgenomen. Gezien het feit dat het model afbeeldingen en bestanden ondersteunt, is het echter redelijk om aan te nemen dat het goed presteert op standaard visie-taal taken, waarschijnlijk vergelijkbaar met of beter dan de visuele mogelijkheden van GPT-4o. Gebruikers die geïnteresseerd zijn in specifieke multimodale nauwkeurigheid, moeten het model testen op hun eigen datasets. De GPQA Diamond-score (alleen tekst) geeft een basislijn voor redeneren, maar omvat geen visueel redeneren. Voor taken die het lezen van tekst uit afbeeldingen vereisen, gebruikt het model intern optische tekenherkenning, maar er worden geen afzonderlijke OCR-nauwkeurigheidscijfers verstrekt.
Prijzen voor openai/gpt-5.4-2026-03-05 op OrcaRouter worden niet openbaar gemaakt in de beschikbare informatie. Doorgaans vragen modellen met zeer grote contextvensters en hoge uitvoerlimieten een hogere prijs per token vanwege de benodigde computerbronnen. Voor actuele prijzen kun je het OrcaRouter-dashboard raadplegen of contact opnemen met hun ondersteuning. Houd bij het budgetteren rekening met het feit dat de hoge maximale uitvoer (128K tokens) kan leiden tot hogere kosten per verzoek. Sommige platforms bieden cachingkortingen voor herhaalde prompts; raadpleeg de documentatie van OrcaRouter voor details. Voor kostengevoelige workloads kun je overwegen of kleinere modellen aanvaardbare resultaten kunnen leveren voor een deel van de pijplijn.
OrcaRouter biedt mogelijk caching-mechanismen waarbij prompts die in meerdere verzoeken worden herhaald, tijdelijk worden opgeslagen om kosten te verlagen. Dit is gebruikelijk bij veel API-providers. Voor een model met een 1.05M context kan caching bijzonder voordelig zijn als u vaak dezelfde systeemprompt of een groot statisch document gebruikt. De specifieke caching-beleidsregels voor dit model worden echter niet in de verstrekte feiten beschreven. U kunt waarschijnlijk caching inschakelen door de juiste headers in te stellen of door de ingebouwde functies van OrcaRouter te gebruiken. Zonder caching verwerkt elk verzoek de volledige context, waardoor de kosten lineair schalen met de invoerlengte. Optimaliseer door invoeren voor te verwerken en irrelevante inhoud te verwijderen voordat u ze verzendt.
Er worden geen prijscijfers gegeven voor enig model in de feiten. Als algemene opmerking: modellen met grotere contextvensters en nieuwere releasedata zijn doorgaans duurder dan eerdere modellen. GPT-4o, dat een context van 128K en een output van 16K heeft, zou waarschijnlijk goedkoper zijn dan dit model. Voor frequente korte verzoeken kan de lagere prijs van GPT-4o voordeliger zijn. Voor taken met lange documenten kan het contextvenster van GPT-4o ontoereikend zijn, waardoor chunking en meerdere aanroepen nodig zijn; in dat geval kunnen de hogere kosten per token van dit model uiteindelijk lager uitvallen omdat het extra verwerking vermijdt. Gebruikers moeten hun eigen kostenramingen maken op basis van daadwerkelijke gebruikspatronen.
Stel de basis-URL in op https://api.orcarouter.ai/v1 en gebruik de model-ID "openai/gpt-5.4-2026-03-05" in de aanvraagtekst. De API is volledig compatibel met de OpenAI Python-client, curl of elke HTTP-client die het chat completions-eindpunt ondersteunt. Voorbeeld met de openai-bibliotheek in 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 ) ``` Alle standaardparameters worden ondersteund. Vergeet niet om YOUR_KEY te vervangen door een OrcaRouter API-sleutel.
De minimaal vereiste parameters zijn "model" (string, moet "openai/gpt-5.4-2026-03-05" zijn) en "messages" (array van berichtobjecten). Elk berichtobject vereist een "role" (system, user of assistant) en "content". Voor multimodale invoer kan de content een array van contentonderdelen zijn (text, image_url of file). Het model ondersteunt ook een parameter "max_tokens" (geheel getal tot 128.000). Indien weggelaten, kan het model genereren tot de stopconditie. Andere optionele parameters zijn temperature, top_p, frequency_penalty, presence_penalty, stop en stream. Alle volgen de OpenAI Chat Completions-specificatie.
Migratie houdt in dat de basis-URL wordt gewijzigd en mogelijk de API-sleutel wordt bijgewerkt. Als uw code momenteel gebruikmaakt van de OpenAI Python-client met de standaard basis-URL (api.openai.com), hoeft u alleen de client te instantiëren met base_url="https://api.orcarouter.ai/v1" en uw OrcaRouter API-sleutel. De model-ID verandert van de OpenAI-modelnaam (bijv. "gpt-5.4-2026-03-05") naar "openai/gpt-5.4-2026-03-05" (merk op de provider-prefix). Alle andere parameters blijven hetzelfde. Test eerst met een eenvoudige aanvraag. Dit model kan zich iets anders gedragen dan hetzelfde model wanneer het rechtstreeks via OpenAI wordt benaderd, maar voor de meeste gebruikssituaties zou het functioneel identiek moeten zijn.
GPT-4o (specifiek de gpt-4o-2024-08-06-versie) heeft een contextvenster van 128,000 tokens en een maximale output van 16,384 tokens. Daarentegen biedt openai/gpt-5.4-2026-03-05 een contextvenster van 1,050,000 tokens (ongeveer 8,2 keer groter) en een maximale output van 128,000 tokens (ongeveer 7,8 keer groter). Dit maakt het nieuwere model veel beter geschikt voor taken waarbij hele boeken, enorme codebases of lange gespreksgeschiedenissen betrokken zijn, en voor het genereren van uitgebreide outputs zoals volledige rapporten. Echter, GPT-4o kan snellere inferentie en lagere kosten hebben. Wat benchmarks betreft, is de GPQA Diamond-score van GPT-4o lager (ongeveer 80) vergeleken met 92,0, wat wijst op betere redeneervaardigheden op graduate-niveau. Voor taken die binnen de context van GPT-4o passen, blijft het een sterk alternatief.
GPT-4 Turbo (gpt-4-turbo-2024-04-09) heeft een contextvenster van 128.000 tokens en een maximale uitvoer van 4.096 tokens. De GPQA Diamond-score is aanzienlijk lager (ongeveer 38). Daarom presteert het 5.4-model beter op zowel context, uitvoer als redenering. Omdat GPT-4 Turbo ouder is, kan het nog steeds worden gebruikt voor goedkopere korte taken, maar voor werklasten met lange context of hoge redeneerverwerkingsvereisten is dit model superieur. Het nieuwere model ondersteunt ook native invoer van afbeeldingen en bestanden, terwijl de visuele mogelijkheden van GPT-4 Turbo later zijn geïntroduceerd en niet zo goed geïntegreerd zijn.
OrcaRouter biedt waarschijnlijk ook andere OpenAI-modellen (bijv. openai/gpt-4o, openai/gpt-4-turbo) en modellen van andere aanbieders. Als u een contextvenster nodig heeft dat groter is dan 128K tokens maar kleiner dan 1.05M, kunt u modellen overwegen zoals Anthropic's Claude 3.5 Sonnet (200K context) of Google's Gemini 1.5 Pro (1M context). De keuze hangt af van uw specifieke vereisten voor redeneren, multimodale ondersteuning en uitvoerlengte. Dit model springt eruit vanwege de combinatie van een zeer grote context en een hoge redeneerscore. Voor de beste resultaten test u uw specifieke gebruiksscenario met een voorbeeldverzoek via OrcaRouter's API om de uitvoerkwaliteit tussen modellen te vergelijken.
OpenAI-compatibel — behoud je huidige 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-5.4-2026-03-05",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Niveau | Invoer / 1M tokens | Uitvoer / 1M tokens | Cache lezen / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| Niveau bepaald door het aantal invoertokens van elk verzoek | |||
Schatting op basis van catalogusprijs
Gelaagde prijzen — deze schatting gebruikt de basistarieven.
Alleen een schatting — het werkelijke aantal tokens hangt af van de tokenizer van de aanbieder.
GET /api/public/models/openai/gpt-5.4-2026-03-05Openen @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