GPT-5.4 是 OpenAI 最新的前沿模型，将 Codex 和 GPT 系列整合为单一系统。它拥有超过 1M token 的上下文窗口（输入 922K，输出 128K），并支持……
GPT-5.4是OpenAI推出的大型语言模型，支持1,050,000个token的上下文窗口，最大输出为128,000个token。它可以处理文本、图像和文件输入。该模型在GPQA Diamond（一项研究生级别的科学问题基准测试）中获得了92.0分。可通过OrcaRouter提供兼容OpenAI的API进行访问，地址为https://api.orcarouter.ai/v1，模型ID为open…
GPT-5.4 在语言理解、生成、推理和多模态解释方面表现出色。其大上下文窗口支持多步骤指令遵循、长篇内容创作和复杂对话等任务。该模型在研究生级别的科学推理上尤为强大，在 GPQA Diamond 上获得了 92.0 分。它还可以处理基于文件的数据提取和图像描述。在选择模型时，请考虑您的用例是否真正需要完整上下文，还是更便宜的模型就已足够。
GPT-5.4拥有1,050,000令牌的上下文窗口，能够在单次提示中处理整本书籍、长篇幅报告或数千行代码。这消除了文档分块的需要，使模型能够同时考虑所有信息。输出限制为128,000令牌，因此摘要或提取内容同样可以很长。对于不需要完整长上下文的任务，使用较小模型可能更具成本效益。
是的，GPT-5.4 支持图像和文件输入，同时兼容文本。图像可以以标准格式（JPEG、PNG 等）提供，模型能够回答关于视觉内容的问题。文件（如 PDF、CSV）会上传并作为上下文的一部分进行处理。这种多模态能力适用于分析图表、从表格中提取数据，或将文本与图形进行交叉引用。所有输入形式均计入上下文令牌限制。
如果您的任务不需要完整的1,050,000 token上下文或多模态输入，请考虑使用较小上下文窗口或有限模态的模型以降低成本。例如，简单的单轮查询、短文本或无需大量推理的任务，可由GPT-4o mini或GPT-4.1 nano等模型处理。在选择GPT-5.4之前，请评估您的提示长度和复杂度，避免为未使用的容量付费。
GPT-5.4在GPQA Diamond基准测试中获得了92.0分，该测试包含198道涵盖研究生级别物理、化学和生物的多项选择题。这一分数表明该模型在专家级科学推理上具有高准确性。在提供的事实中，该模型没有其他基准测试分数可参考。用户应在其自身领域特定任务上评估模型性能。
92.0的得分意味着GPT-5.4正确回答了92%的GPQA Diamond问题。GPQA Diamond旨在测试人类专家经过多年研究生学习后所具备的知识和推理能力，包括多步骤问题、科学数据解读以及细微概念的应用。这一基准常用于评估模型处理复杂、领域特定查询的能力。
优点：超长上下文（1,050,000个token）、高科学推理能力（GPQA Diamond得分92.0）、多模态输入（文本、图像、文件）。局限：未提供定价信息；延迟随上下文长度增加；极长上下文可能触及token上限或降低边缘细节的回复质量。该模型不支持实时流式传输或语音输入。对于非科学密集型任务，其他模型可能以更低成本达到同等能力。
在提供的事实中未指定推理速度。通常，参数数量较大且上下文窗口较长的模型处理每个令牌所需时间更长。与像GPT-4o mini这样较小的模型相比，用户应预期更高的延迟。OrcaRouter可能有自己的缓存或优化层，但实际吞吐量取决于请求大小和并发负载。建议使用代表性提示进行测试。
关于OrcaRouter上GPT-5.4的定价详情未在事实中提供。通常，OpenAI模型的定价基于每token的输入和输出费率，而OrcaRouter可能会应用自己的加价或提供捆绑套餐。要获取当前定价，请查阅OrcaRouter的定价页面或联系其销售团队。由于每个token都需计费，成本会随上下文长度增加而增长。
使用完整的1,050,000令牌上下文窗口会产生与输入令牌总数成比例的成本。如果您的任务仅使用该容量的一小部分，您仍需为整个提示付费。因此，在满足需求的前提下，尽量缩短提示词是节省成本的。高达128,000个输出令牌也会产生费用。对于非常长的输出，请考虑截断或使用多次迭代。
OrcaRouter 可能提供缓存机制以避免重复处理相同的提示前缀，但在提供的事实中未得到确认。如果启用，提示缓存可以减少重复查询的延迟和成本。请查阅 OrcaRouter 文档了解缓存策略。没有缓存时，每个独特提示都将全额计费。
在没有精确定价的情况下，无法直接比较。通常，上下文窗口更大、基准测试分数更高的模型，其每token价格也更高。GPT-5.4 的每token价格很可能高于 GPT-4o 或 GPT-4.1 等较小模型。用户应根据预期的平均提示和输出长度评估总成本，并考虑性能提升是否值得价格差异。
使用与OpenAI兼容的基URL https://api.orcarouter.ai/v1，并将模型参数设置为openai/gpt-5.4。身份验证需要OrcaRouter API密钥。示例curl请求：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 支持标准聊天补全参数：model（字符串）、messages（包含角色/内容的数组）、max_tokens（整数，最大128,000）、temperature、top_p、frequency_penalty、presence_penalty、stop、stream（布尔值）和n。对于多模态输入，将消息内容作为包含 type text/image_url/file 的对象数组。具体架构请参考 OrcaRouter 的 API 文档。
是的，因为OrcaRouter提供了兼容OpenAI的API。只需将您现有的基础URL替换为https://api.orcarouter.ai/v1，并将模型名称更新为openai/gpt-5.4。您可以通过修改base_url和api_key来重新配置OpenAI客户端库（例如openai Python包）。请确保您的代码处理了错误响应格式或速率限制方面的潜在差异。
OrcaRouter 上的模型 ID 是 openai/gpt-5.4。该字符串必须传入请求体的 model 字段中。它用于将 GPT-5.4 与同一 API 端点可用的其他模型区分开。使用错误的 ID 将导致错误。提供商是 openai，但模型由 OrcaRouter 托管和路由。
GPT-5.4 提供了更大的上下文窗口（1,050,000 对 128,000 个 token）以及更高的 GPQA Diamond 分数（92.0，GPT-4o 未提供该分数）。GPT-4o 支持文本和图像，但不支持文件上传，且最大输出更低（16,384 对 128,000 个 token）。GPT-5.4 在长上下文和科学推理方面能力更强，但可能更贵、更慢。GPT-4o 对于较短、较简单的任务仍然是不错的选择。
Claude 3.5 Sonnet 支持 20 万标记的上下文窗口，而 GPT-5.4 则超越这一水平，达到 105 万标记。不过，基准测试对比有限：GPT-5.4 在 GPQA Diamond 上得分为 92.0，而 Claude 3.5 Sonnet 得分为 78.0（公开已知）。根据现有事实，无法与 Gemini 2.0 Pro 或 Llama 3.1 405B 进行直接比较。GPT-5.4 在科学推理方面具有竞争力，但用户应在自身数据上进行测试。
GPT-5.4提供了更大的上下文窗口（1,050,000 vs. Claude的200,000）和更高的最大输出（128,000 vs. 8,192）。在GPQA Diamond上，GPT-5.4得分为92.0；Claude 3.5 Sonnet得分为78.0。这表明GPT-5.4在处理细粒度科学文档分析方面可能表现更优。不过，还需要考虑OrcaRouter上的模型可用性、定价和生态系统集成。对于超长文档，GPT-5.4更大的上下文窗口更具优势。
较小的模型（例如GPT-4o mini、GPT-4.1 nano）成本更低、推理速度更快、上下文窗口更小。GPT-5.4以成本和速度为代价，换来在复杂任务上的更高准确率和处理超长上下文的能力。你的决策应基于在高风险问题（如GPQA Diamond）上的所需性能以及上下文长度的需求。如果你的任务简单，较小的模型可能更高效。
兼容 OpenAI——沿用你现有的 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| 阶梯 | 输入 / 1M tokens | 输出 / 1M tokens | 缓存读取 / 1M |
|---|---|---|---|
| ≤ 272K | $2.50 | $15.00 | $0.250 |
| ≤ ∞ | $5.00 | $22.50 | $0.500 |
| 阶梯按每次请求的输入 token 数确定 | |||
基于标价的估算
阶梯定价——此估算使用基础档位费率。
仅为估算——实际 Token 数取决于提供商的分词器。
@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