OpenAI

GPT-5.4

openai/gpt-5.4
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

GPT-5.4 是 OpenAI 最新的前沿模型,将 Codex 和 GPT 系列整合为一个系统。它配备了 1M+令牌上下文窗口(922K 输入,128K 输出),支持文本和图像输入,支持同一工作流程中的高上下文推理、编码和多模态分析。该模型在编码、文档理解、工具使用和指令执行方面提供了更好的性能。它被设计为通用任务和软件工程的强默认选项,能够生成生产质量的代码,综合多个来源的信息,并以更少的迭代和更高的令牌效率执行复杂的多步工作流程。

输入 / 输出模态
文本 · 图像 · 文件 至 文本
参考输入 / 输出价格
输入¥17.5输出¥105每百万 Token
上下文长度
400K
收录时间
2026年3月6日

供应通道与价格

供应通道输入长度输入 /M输出 /M缓存读取 /M上下文最大输出详情
Azure≤ 272K¥17.5¥105¥1.75400K128K
> 272K¥35¥157.5¥3.5
OpenRouter≤ 272K¥17.5¥105¥1.75400K128K
> 272K¥35¥157.5¥3.5

Azure

延迟
5.04s
吞吐量
75 tokens/s
上下文
400K

价格

输入
¥17.5/M tokens
输出
¥105/M tokens
缓存
¥1.75/M tokens

分段价格

按输入 Token 长度分段计费。

0–272K Token

输入阶梯
¥17.5/M tokens
输出阶梯
¥105/M tokens
缓存阶梯
¥1.75/M tokens

272K–∞ Token

输入阶梯
¥35/M tokens
输出阶梯
¥157.5/M tokens
缓存阶梯
¥3.5/M tokens

规格

上下文
400K
最大输出
128K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

OpenRouter

延迟
2.67s
吞吐量
114 tokens/s
上下文
400K

价格

输入
¥17.5/M tokens
输出
¥105/M tokens
缓存
¥1.75/M tokens

分段价格

按输入 Token 长度分段计费。

0–272K Token

输入阶梯
¥17.5/M tokens
输出阶梯
¥105/M tokens
缓存阶梯
¥1.75/M tokens

272K–∞ Token

输入阶梯
¥35/M tokens
输出阶梯
¥157.5/M tokens
缓存阶梯
¥3.5/M tokens

规格

上下文
400K
最大输出
128K
支持的 API
/v1/chat/completions/v1/messages/v1/responses/v1beta/models/*/v1/models/*

GPT-5.4 的示例代码与 API 说明

Modelmesh 会帮你在不同服务提供商之间规范化处理请求和响应,为你统一接口。

Modelmesh 提供了兼容 OpenAI 的 Completion API,可连接 300 多款模型与服务提供商,既可直接调用,也可通过 OpenAI SDK 调用。此外,还提供了一些第三方 SDK。

在以下示例中,Modelmesh 专用的请求头属于可选项。若你配置了这些请求头,你的应用就能出现在 Modelmesh 的排行榜上。

支持的接口点击接口可切换下方示例
/v1/chat/completions
from openai import OpenAI API_KEY = "$SSY_API_KEY" client = OpenAI( base_url="https://router.shengsuanyun.com/api/v1", api_key=API_KEY, ) try: completion = client.chat.completions.create( model="openai/gpt-5.4", messages=[{"role": "user", "content": "9.11 和 9.8 哪个数更大?"}], temperature=0.6, top_p=0.7, stream=True, ) response_text = "" for chunk in completion: if chunk.choices and chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) response_text += content except Exception as error: print(f"Request failed: {error}")
                
              

相关模型