Indlæser kataloget…
Indlæser kataloget…
OpenAIs konfigurerbare model til ræsonnering i tankekæde med et kontekstvindue på 1 million tokens og indbygget understøttelse af tekst, billeder og filer som inddata.
Oversigt. GPT-5.4, som OpenAI markedsfører som 'GPT-5.4 Thinking', er en lukket model til ræsonnering i tankekæde, der blev udgivet den 5. marts 2026. Den tilbyder et kontekstvindue på 1.050.000 tokens med op til 128.000 tokens som uddata og accepterer tekst, billeder og filer direkte som inddata. Udviklere vælger den, når en opgave kræver vedvarende ræsonnering over meget store dokumenter eller kildekoder frem for et hurtigt svar i en samtale.
Vigtigste styrker. Uafhængige sammensatte benchmarkresultater placerer GPT-5.4 nær toppen af sin egen modelfamilie, når det gælder kodegenerering, med et kodeindeks på omkring 71 ud af 100 og et solidt indeks for generel intelligens i den lave ende af 50'erne. Dens ræsonneringsniveau kan konfigureres på fem niveauer, fra ingen til maksimum ('xhigh'), hvilket lader en udvikler afveje svartid mod dybden af inferens for hver enkelt forespørgsel. Kontekstvinduet på 1 million tokens gør den velegnet til analyse af hele repositories eller dokumenter frem for korte prompter.
Anvendelsesområder. Brug GPT-5.4 til kompleks kodegenerering, ræsonnering i mange trin eller analyse af store dokumenter, hvor mængden af inddata kan nå op på flere hundrede tusinde tokens, og hvor et langsommere, mere velovervejet svar er acceptabelt. Dens score for agentiske opgaver er målbart lavere end dens kodescore, så den passer bedre som ræsonneringsmotor bag en behandlingskæde end som den eneste drivkraft i åbne agent-loops med mange værktøjer. Den komplekse ræsonnering og de konfigurerbare ræsonneringsniveauer gør, at den rammer behovene godt ved opgaver inden for revision, analyse og planlægning frem for hurtig interaktiv chat.
Begrænsninger. GPT-5.4 fungerer som en model med batch-svartid: de udvidede interne ræsonneringsspor betyder, at den ikke er optimeret til hurtige interaktioner med kort svartid. Den har ingen mulighed for lyd som inddata eller uddata, og OpenAI har ikke oplyst antallet af milliarder parametre, arkitekturen eller præcis, hvor træningsdataene slutter, ud over en omtrentlig dato i midten af 2025. Det er en model med lukkede vægte, så den kan ikke køre selv eller inspiceres, og den blev taget ud af OpenAIs ChatGPT-forbrugerprodukt i august 2026, selvom den stadig er tilgængelig via det API, som denne platform ruter til.
Bemærkning om suverænitet. GPT-5.4 er bygget og drives af OpenAI, en amerikansk virksomhed, så den har ikke suveræne garantier eller garantier om dataplacering i EU og er underlagt potentiel eksponering for CLOUD Act. Brug er styret af OpenAIs offentliggjorte politikker for brug frem for en licens per model.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 2,27 / 13,61€+6 betingede priser | Online |
19 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Forenere eksplicit GPT- og Codex-egenskaber med verktøjskald og udvidet tænkning — designet til autonome, agentiske kodningsarbejdsflow med mange trin.
Understøttelse af værktøjskald er en førsteklasses egenskab, hvilket gør den til en solid rygrad i applikationer med strukturerede værktøjskald.
Ræsonnering i tankekæde kombineret med kodeforståelse fra Codex understøtter dyb rodårsagsanalyse på tværs af store kodeløsninger via et kontekstvindue på 1 million tokens.
Ræsonnering i tankekæde kombineret med Codex-egenskaber gør trinvis kodegenerering og forklaring til en kernekompetence.
Et kontekstvindue på 1,05 billioner tokens gør det muligt at gennemgå hele kodelageret på én gang, parret med ræsonnering i tankekæde for at fange subtile fejl.
Et kontekstvindue på 1 million tokens tillader indlæsning af store mængder litteratur samtidigt, parret med dyb ræsonnering til syntese på tværs af dokumenter.
Understøttelse af værktøjskald og udvidet tænkning hjælper med agentiske browseropgaver, selvom der ikke er dokumenteret nogen browserspecifik benchmark for denne variant.
Indbygget billedforståelse og dokumentinddata understøtter OCR-lignende udtrækning, selvom der ikke er dokumenteret nogen OCR-specifik benchmark.
Indbygget billedforståelse understøtter fortolkning af screenshots fra brugerflader, hvilket er nyttigt til agentiske arbejdsflow og QA-opgaver.
Kodningsevner fra Codex understøtter generering af test, selvom ingen dedikeret benchmark skelner den fra andre GPT-5-varianter til kodning.
Billedforståelse gør det muligt at udtrække data fra diagrammer, selvom dette er en generel vision-egenskab snarere end et resultat fra en diagramspecifik benchmark.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-5.4",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på