Indlæser kataloget…
Indlæser kataloget…
OpenAIs effektive GPT-5.4 mini instruct-model, bygget til kodning og agentiske opgaver med valgfri ræsonneringsdybde og et multimodalt kontekstvindue på 400k tokens.
Oversigt. GPT-5.4 mini er OpenAIs effektive instruct-model i GPT-5-familien, udgivet i marts 2026. Det er en proprietær model med lukkede vægte, et kontekstvindue på 400k tokens og understøttelse af tekst, billeder og filer som inddata parret med tekst som uddata. Ræsonnering er tilgængelig, men slået fra som standard, og styres via en ræsonneringsniveau-flag frem for at være altid aktiv. Det gør den til et praktisk valg for udviklere, der ønsker egenskaber i GPT-5-klassen uden at betale svartidsomkostningen ved obligatorisk udvidet tænkning.
Vigtigste styrker. Benchmark-signaler fra Artificial Analysis placerer GPT-5.4 minis kodningsindeks betydeligt foran dens generelle intelligensindeks, hvilket indikerer, at den præsterer over sit niveau på specifikt koderelaterede opgaver. Den understøtter verktøjskald, hvilket passer til dens positionering som en arbejdshest til agentiske behandlingskæder frem for en ren chatmodel. Kontekstvinduet på 400k tokens og multimodale inddata (tekst, billeder, filer) gør det muligt at håndtere dokumenttunge eller langvarige agent-sessioner uden ekstern opdeling.
Anvendelsesområder. Vælg GPT-5.4 mini, når du har brug for svar med interaktiv svartid til kodningsassistenter, agent-loops eller dokumentforståelsesopgaver af middel kompleksitet, og ikke kræver det dybeste ræsonneringsniveau i GPT-5-serien. Slå dens ræsonneringsniveau-flag til (fra low til xhigh), når et specifikt trin kræver mere eftertanke, og lad det være slået fra til størstedelen af rutinemæssige værktøjskald eller udkast, hvor hastighed betyder mere. Det store kontekstvindue gør den også velegnet til arbejdsflow, der blander lange dokumenter eller billeder med en igangværende opgave.
Begrænsninger. GPT-5.4 mini ligger i midten af GPT-5-familiens kvalitetsområde — det er ikke familiens dedikerede model til ræsonneringsniveauet, så opgaver, der kræver de højeste intelligens-scorer, betjenes bedre af andre GPT-5-varianter. Den har ingen lyd som inddata eller uddata, og dens træningsdata slutter i august 2025. Den eksponerer heller ikke en temperatur-parameter; adfærden justeres i stedet gennem indstillingen for ræsonneringsniveau.
Bemærkning om suverænitet. GPT-5.4 mini er bygget af OpenAI, en amerikansk modelskaber, der er underlagt CLOUD Act, så denne model bærer ikke Stavs suveræne betegnelse.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,68 / 4,08€+3 betingede priser | Online |
15 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Den kuraterede beskrivelse nævner eksplicit kodning og agentiske arbejdsopgaver som det primære mål, understøttet af verktøjskald og dyb ræsonnering.
Værktøjskald er en indbygget egenskab, og modellen er positioneret til agentiske opgaver og kodning, hvilket rammer anvendelsesområdet for strukturerede værktøjskald direkte.
Indbygget værktøjskald plus udvidet ræsonnering og et design, der eksplicit er rettet mod agentiske arbejdsopgaver, gør denne model særdeles velegnet til at styre behandlingskæder med flere værktøjer.
Værktøjskald kombineret med billedforståelse understøtter skærmbevidste automatiseringsløkker, men ingen browserspecifik benchmark eller kuratering bekræfter førende ydeevne her.
Positioneringen i den effektive mini-klasse gør den til et omkostningseffektivt valg til drift af chatbots med mange forespørgsler; promptcaching reducerer yderligere omkostningerne ved gentaget kontekst.
Tilstanden med udvidet ræsonnering hjælper med at finde årsager i kode og er positioneret som et omkostningseffektivt alternativ til GPT-5-flagskibsmodeller til denne opgave.
Kombinerer billedforståelse med agentiske værktøjskald, hvilket er en nyttig kombination til automatiseringsopgaver, der kræver kendskab til skærmbilledets tilstand.
Instruktionsmodel med fokus på kodning og værktøjskald; den effektive mini-klasse passer til opgaver med mange kodegenereringer, hvor fuld flagskibsræsonnering ikke er påkrævet.
Et kontekstvindue på 400k tokens gør det muligt at gennemse store diffs eller filer i én arbejdsgang, selvom dette er modellen i effektivitetsklassen frem for flagskibsvarianten til ræsonnering.
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-multilingual-index, 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-mini",
"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