GPT-5.4 เป็น frontier model ล่าสุดของ OpenAI ที่รวมสาย Codex และ GPT เข้าเป็นระบบเดียว โดยมีหน้าต่างบริบทมากกว่า 1M+ token (922K input, 128K output) พร้อมรองรับ...
GPT-5.4 เป็นโมเดลภาษาขนาดใหญ่ของ OpenAI ที่มีหน้าต่างบริบท (context window) ขนาด 1,050,000 โทเคน และผลลัพธ์สูงสุด 128,000 โทเคน สามารถประมวลผลอินพุตที่เป็นข้อความ รูปภาพ และไฟล์…
GPT-5.4 มีความสามารถโดดเด่นด้านความเข้าใจภาษา การสร้างภาษา การใช้เหตุผล และการตีความแบบหลายรูปแบบ (multimodal) หน้าต่างบริบทขนาดใหญ่รองรับงานต่างๆ เช่น การทำตามคำสั่งหลายขั้นตอน การสร้างเนื้อหาแบบยาว และการสนทนาที่ซับซ้อน โมเดลนี้มีความแข็งแกร่งเป็นพิเศษในการใช้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษา โดยได้คะแนน 92.0 ในการทดสอบ GPQA Diamond นอกจากนี้ยังสามารถจัดการการสกัดข้อมูลจากไฟล์และคำอธิบายภาพได้ เมื่อเลือกโมเดล ให้พิจารณาว่ากรณีการใช้งานของคุณจำเป็นต้องใช้บริบททั้งหมดจริงหรือไม่ หรือว่าโมเดลที่ถูกกว่าก็เพียงพอ
ด้วยบริบท 1,050,000 โทเค็น GPT-5.4 สามารถรับประมวลผลทั้งเล่ม รายงานยาวๆ หรือโค้ดนับพันบรรทัดในพรอมต์เดียว ซึ่งช่วยขจัดความจำเป็นในการแบ่งเอกสาร และช่วยให้โมเดลพิจารณาข้อมูลทั้งหมดพร้อมกันได้ ผลลัพธ์ถูกจำกัดไว้ที่ 128,000 โทเค็น ดังนั้นบทสรุปหรือการสกัดข้อมูลจึงสามารถยาวได้ในระดับเดียวกัน สำหรับงานที่ไม่จำเป็นต้องใช้บริบทยาวเต็มรูปแบบ โมเดลขนาดเล็กอาจคุ้มค่ากว่า
ใช่ GPT-5.4 รองรับการป้อนข้อมูลรูปภาพและไฟล์ควบคู่ไปกับข้อความ รูปภาพสามารถให้ในรูปแบบมาตรฐาน (JPEG, PNG ฯลฯ) และโมเดลสามารถตอบคำถามเกี่ยวกับเนื้อหาภาพได้ ไฟล์ (เช่น PDF, CSV) จะถูกอัปโหลดและประมวลผลเป็นส่วนหนึ่งของบริบท ความสามารถแบบหลายรูปแบบนี้มีประโยชน์สำหรับการวิเคราะห์ไดอะแกรม การแยกข้อมูลจากตาราง หรือการอ้างอิงข้ามข้อความกับกราฟิก โหมดอินพุตทั้งหมดนับรวมอยู่ในขีดจำกัดโทเค็นของบริบท
หากงานของคุณไม่จำเป็นต้องใช้บริบทแบบเต็ม 1,050,000 โทเคน หรืออินพุตแบบหลายรูปแบบ ให้ลองพิจารณาโมเดลที่มีหน้าต่างบริบทเล็กกว่าหรือรูปแบบที่จำกัดเพื่อลดค่าใช้จ่าย ตัวอย่างเช่น คำถามแบบเทิร์นเดียว (single‑turn) ข้อความสั้นๆ หรืองานที่ไม่จำเป็นต้องใช้การให้เหตุผลเชิงลึก สามารถจัดการได้โดยโมเดลอย่าง GPT-4o mini หรือ GPT-4.1 nano ประเมินความยาวและความซับซ้อนของพรอมต์ของคุณก่อนเลือก GPT-5.4 เพื่อหลีกเลี่ยงการจ่ายเงินสำหรับความจุที่ไม่ได้ใช้
GPT-5.4 ทำคะแนนได้ 92.0 ในการทดสอบ GPQA Diamond ซึ่งเป็นชุดคำถามแบบเลือกตอบจำนวน 198 ข้อที่ครอบคลุมวิชาฟิสิกส์ เคมี และชีววิทยาระดับบัณฑิตศึกษา คะแนนนี้บ่งชี้ถึงความแม่นยำสูงในการใช้เหตุผลทางวิทยาศาสตร์ระดับผู้เชี่ยวชาญ ไม่มีคะแนนจากการทดสอบอื่นใดสำหรับโมเดลนี้ในข้อเท็จจริงที่ให้มา ผู้ใช้ควรประเมินประสิทธิภาพในงานเฉพาะด้านของตนเอง
คะแนน 92.0 หมายความว่า GPT-5.4 ตอบคำถาม GPQA Diamond ได้ถูกต้อง 92% GPQA Diamond ออกแบบมาเพื่อทดสอบความรู้และการใช้เหตุผลที่ผู้เชี่ยวชาญมนุษย์ควรมีหลังจากศึกษาระดับบัณฑิตศึกษาหลายปี ซึ่งรวมถึงปัญหาแบบหลายขั้นตอน การตีความข้อมูลทางวิทยาศาสตร์ และการประยุกต์ใช้แนวคิดที่ละเอียดอ่อน เกณฑ์มาตรฐานนี้มักใช้เพื่อวัดความสามารถของโมเดลในการจัดการกับคำถามที่ซับซ้อนเฉพาะโดเมน
จุดแข็ง: บริบทที่ยาวมาก (1,050,000 โทเคน), ความสามารถในการใช้เหตุผลทางวิทยาศาสตร์สูง (92.0 GPQA Diamond), การรับข้อมูลแบบหลายรูปแบบ (ข้อความ, รูปภาพ, ไฟล์) ข้อจำกัด: ไม่มีการระบุข้อมูลราคา; ความหน่วงเพิ่มขึ้นตามความยาวของบริบท; บริบทที่มีขนาดใหญ่เป็นพิเศษอาจถึงขีดจำกัดของโทเคนหรือทำให้คุณภาพการตอบสนองลดลงในรายละเอียดที่ไม่เกี่ยวข้อง โมเดลไม่รองรับการสตรีมแบบเรียลไทม์หรือการป้อนข้อมูลด้วยเสียง สำหรับงานที่ไม่เน้นทางวิทยาศาสตร์ โมเดลอื่นอาจมีความสามารถเทียบเท่าในราคาที่ต่ำกว่า
ไม่ได้ระบุความเร็วในการอนุมานในข้อเท็จจริงที่ให้มา โดยทั่วไป โมเดลที่มีจำนวนพารามิเตอร์มากกว่าและหน้าต่างบริบทยาวกว่าจะใช้เวลาประมวลผลแต่ละโทเค็นนานกว่า ผู้ใช้ควรคาดหวังความหน่วงที่สูงกว่าเมื่อเทียบกับโมเดลขนาดเล็กอย่าง GPT-4o mini OrcaRouter อาจมีชั้นแคชหรือการเพิ่มประสิทธิภาพของตัวเอง แต่ปริมาณงานจริงขึ้นอยู่กับขนาดของคำขอและภาระพร้อมกัน การทดสอบด้วยข้อความแจ้งที่เป็นตัวแทนจึงเป็นสิ่งที่แนะนำ
รายละเอียดราคาสำหรับ GPT-5.4 บน OrcaRouter ไม่ได้ให้ไว้ในข้อเท็จจริง โดยทั่วไปแล้ว การกำหนดราคาโมเดลของ OpenAI จะขึ้นอยู่กับอัตราต่อโทเค็นสำหรับอินพุตและเอาต์พุต และ OrcaRouter อาจมีการบวกเพิ่มของตนเองหรือเสนอแผนแบบรวมกลุ่ม หากต้องการทราบราคาปัจจุบัน ให้ตรวจสอบหน้าราคาของ OrcaRouter หรือติดต่อทีมขายของพวกเขา ต้นทุนจะเพิ่มขึ้นตามความยาวของบริบทเนื่องจากทุกโทเค็นถูกคิดเงิน
การใช้หน้าต่างบริบทเต็ม 1,050,000 โทเค็นทำให้เกิดต้นทุนตามสัดส่วนของจำนวนโทเค็นอินพุตทั้งหมด หากงานของคุณใช้เพียงเศษเสี้ยวของความจุนั้น คุณยังคงถูกเรียกเก็บเงินสำหรับพรอมพ์ทั้งหมด ดังนั้น การทำให้พรอมพ์สั้นที่สุดเท่าที่จะเป็นไปได้ในขณะที่ยังคงตรงตามข้อกำหนดจึงคุ้มค่าด้านต้นทุน โทเค็นเอาต์พุตสูงสุด 128,000 ก็ถูกเรียกเก็บเงินเช่นกัน สำหรับเอาต์พุตที่ยาวมาก ให้พิจารณาการตัดทอนหรือใช้การทำงานซ้ำหลายครั้ง
OrcaRouter อาจมีกลไกแคชเพื่อหลีกเลี่ยงการประมวลผลคำนำหน้าพรอมต์ที่เหมือนกันซ้ำ แต่สิ่งนี้ไม่ได้รับการยืนยันในข้อเท็จจริงที่ให้มา หากเปิดใช้งาน การแคชพรอมต์สามารถลดความหน่วงและค่าใช้จ่ายสำหรับคำค้นหาที่ซ้ำกัน ตรวจสอบเอกสารของ OrcaRouter สำหรับนโยบายแคช หากไม่มีแคช พรอมต์ที่ไม่ซ้ำกันแต่ละรายการจะถูกคิดค่าใช้จ่ายเต็มจำนวน
หากไม่มีราคาที่แน่นอน การเปรียบเทียบโดยตรงไม่สามารถทำได้ โดยทั่วไปแล้ว โมเดลที่มีหน้าต่างบริบทขนาดใหญ่กว่าและคะแนนเกณฑ์มาตรฐานสูงกว่าจะมีราคาต่อโทเค็นที่สูงกว่า GPT-5.4 มีแนวโน้มว่าจะมีราคาต่อโทเค็นแพงกว่าโมเดลขนาดเล็กอย่าง GPT-4o หรือ GPT-4.1 ผู้ใช้ควรประเมินต้นทุนรวมโดยพิจารณาจากความยาวเฉลี่ยของพรอมต์และเอาต์พุตที่คาดหวัง และพิจารณาว่าประสิทธิภาพที่เพิ่มขึ้นนั้นคุ้มค่ากับส่วนต่างของราคาหรือไม่
ใช้ base URL ที่เข้ากันได้กับ OpenAI คือ https://api.orcarouter.ai/v1 และตั้งค่าพารามิเตอร์ model เป็น openai/gpt-5.4 การตรวจสอบสิทธิ์ต้องใช้คีย์ API ของ OrcaRouter ตัวอย่างคำขอ curl: 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"}]}'
API รองรับพารามิเตอร์แชท‑คอมพลีชันมาตรฐาน: model (string), messages (array of role/content), max_tokens (integer up to 128,000), temperature, top_p, frequency_penalty, presence_penalty, stop, stream (boolean), และ n. สำหรับอินพุตหลายรูปแบบ (multimodal) ให้รวมเนื้อหาข้อความเป็นอาร์เรย์ของออบเจ็กต์ที่มี type เป็น text/image_url/file. ดูเอกสาร API ของ OrcaRouter สำหรับ schema ที่แน่นอน.
ใช่ เนื่องจาก OrcaRouter มี API ที่เข้ากันได้กับ OpenAI แทนที่ base URL ปัจจุบันของคุณด้วย https://api.orcarouter.ai/v1 และอัปเดตชื่อโมเดลเป็น openai/gpt-5.4 ไลบรารีไคลเอ็นต์ OpenAI ของคุณ (เช่น แพ็กเกจ openai Python) สามารถกำหนดค่าใหม่ได้โดยการเปลี่ยน base_url และ api_key ตรวจสอบให้แน่ใจว่าโค้ดของคุณจัดการกับความแตกต่างที่เป็นไปได้ในรูปแบบการตอบสนองข้อผิดพลาดหรือข้อจำกัดอัตรา
รหัสโมเดลบน OrcaRouter คือ openai/gpt-5.4 สตริงนี้จะต้องถูกส่งในฟิลด์ model ของส่วนคำขอ มันใช้แยกความแตกต่างของ GPT-5.4 จากโมเดลอื่นๆ ที่มีผ่านจุดสิ้นสุด API เดียวกัน การใช้รหัสผิดจะทำให้เกิดข้อผิดพลาด ผู้ให้บริการคือ openai แต่โมเดลถูกโฮสต์และกำหนดเส้นทางโดย OrcaRouter
GPT-5.4 มีหน้าต่างบริบทที่ใหญ่กว่ามาก (1,050,000 เทียบกับ 128,000 โทเค็น) และคะแนน GPQA Diamond ที่สูงกว่า (92.0 เทียบกับไม่มีข้อมูลสำหรับ GPT-4o) GPT-4o รองรับข้อความและรูปภาพ แต่ไม่รองรับการอัปโหลดไฟล์ และมีเอาต์พุตสูงสุดต่ำกว่า (16,384 โทเค็น เทียบกับ 128,000) GPT-5.4 มีความสามารถมากกว่าสำหรับบริบทแบบยาวและการให้เหตุผลทางวิทยาศาสตร์ แต่มีแนวโน้มว่าจะมีราคาแพงกว่าและช้ากว่า GPT-4o ยังคงเป็นตัวเลือกที่ดีสำหรับงานที่สั้นกว่าและเรียบง่ายกว่า
Claude 3.5 Sonnet รองรับบริบท 200,000 โทเค็น; GPT-5.4 เหนือกว่าด้วย 1,050,000 โทเค็น อย่างไรก็ตาม การเปรียบเทียบเกณฑ์มาตรฐานมีจำกัด: GPT-5.4 ได้คะแนน 92.0 บน GPQA Diamond ขณะที่ Claude 3.5 Sonnet ได้ 78.0 (ที่รู้จักต่อสาธารณะ) ไม่มีการเปรียบเทียบโดยตรงกับ Gemini 2.0 Pro หรือ Llama 3.1 405B จากข้อเท็จจริงที่ให้มา GPT-5.4 มีความแข็งแกร่งในเชิงแข่งขันด้านการใช้เหตุผลทางวิทยาศาสตร์ แต่ผู้ใช้ควรทดสอบกับข้อมูลของตนเอง
GPT-5.4 มีหน้าต่างบริบทที่กว้างกว่า (1,050,000 เทียบกับ 200,000 ของ Claude) และผลลัพธ์สูงสุดที่มากกว่า (128,000 เทียบกับ 8,192) ใน GPQA Diamond GPT-5.4 ได้คะแนน 92.0 ในขณะที่ Claude 3.5 Sonnet ได้ 78.0 ซึ่งชี้ให้เห็นว่า GPT-5.4 อาจทำงานได้ดีกว่าในการวิเคราะห์เอกสารทางวิทยาศาสตร์ที่ละเอียดอ่อน อย่างไรก็ตาม ควรพิจารณาความพร้อมใช้งานของโมเดล ราคา และการบูรณาการระบบนิเวศบน OrcaRouter สำหรับเอกสารที่ยาวมาก หน้าต่างบริบทที่ใหญ่กว่าของ GPT-5.4 ถือเป็นข้อได้เปรียบ
โมเดลที่มีขนาดเล็กกว่า (เช่น GPT-4o mini, GPT-4.1 nano) มีต้นทุนต่ำกว่า การอนุมานที่เร็วกว่า และหน้าต่างบริบทที่เล็กกว่า GPT-5.4 แลกต้นทุนและความเร็วเพื่อความแม่นยำที่สูงขึ้นในงานที่ซับซ้อนและความสามารถในการจัดการบริบทขนาดใหญ่ การตัดสินใจของคุณควรขึ้นอยู่กับประสิทธิภาพที่ต้องการสำหรับคำถามที่มีความสำคัญสูง (เช่น GPQA Diamond) และความต้องการความยาวของบริบท หากงานของคุณง่าย โมเดลที่มีขนาดเล็กกว่าก็อาจจะมีประสิทธิภาพมากกว่า
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
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| ระดับ | อินพุต / 1M โทเค็น | เอาต์พุต / 1M โทเค็น | อ่านแคช / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| เลือกระดับชั้นตามจำนวนโทเค็นอินพุตของแต่ละคำขอ | |||
ประมาณการจากราคาตั้ง
ราคาแบบขั้นบันได — การประเมินนี้ใช้อัตราขั้นพื้นฐาน
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/openai/gpt-5.4เปิด @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