GPT-5.4 ist OpenAIs Frontier-Modell für Coding und professionelle Arbeit, auf seiner Modellseite positioniert als „ein erschwinglicheres Modell für Coding und professionelle Arbeit“.
- Eingabe
- Text Bild $2.5/M
- Ausgabe
- Text $15/M
- Cache-Lesen
- $1.25/M
- Kontext
- 922K
- vs. GPT-4o
- ~50% günstiger
- Knowledge-Cutoff
- 2025-08
Benchmarks
Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.050.000 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 128.000 |
| Knowledge-Cutoff | 2025-08 |
Prompt-Caching
| Modus | automatisch |
|---|---|
| Min. Präfix | 1.024 |
| Lebensdauer | 5-10 Min., bis zu 1 Std. |
Thinking
| Anbieter-Parameter | reasoning.effort |
|---|---|
| Zulässige Werte | none · low · medium · high · xhigh |
| Standardwert | none gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | Unterstützt verschränktes Thinking: sichtbarer Output vor und zwischen dem Thinking sowie Thinking zwischen Tool-Aufrufen. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild → Text |
|---|
- 1.05M Token Kontext / 128k max. Output
- Prompts über 272k Input-Token werden mit 2x Input / 1,5x Output abgerechnet
- Reasoning-Aufwand none-xhigh
Ein Prompt, gemessen über das Gateway
GPT-5.4 bestanden · 3 sentences
Enabling reasoning makes the model generate and evaluate additional internal steps before producing an answer, which increases the total tokens processed and therefore the cost per request. It also tends to increase latency and can trigger more tool calls, retries, or longer context retention, all of which compound usage-based charges. So even if user traffic stayed flat, the average cost per interaction rose materially once reasoning was turned on.
Ausgabe 82 tok Latenz 1.9 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
GPT-5.4 bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 best = max(best, cur) return best ``` The bug is that the original code was counting *matching transitions* between adjacent elements instead of the *length of the run itself*, so a single element started at `0` instead of `1`, making all run lengths off by one. It also only updated `best` inside the equality case, which means the final run could be lost if the loop ended before a change triggered any correction logic. […]
Ausgabe 243 tok Latenz 3.0 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
GPT-5.4 bestanden · 5/5 fields, guidance "withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":"withheld pending the Q4 close"}
Ausgabe 39 tok Latenz 1.3 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
GPT-5.4 bestanden · 126 words, 0 banned, 1 question
Today we’re introducing Prompt Cache, a new API gateway feature that stores prompt results and reuses them across supported model providers. Teams can reduce latency, lower repeated compute costs, and keep application behavior more consistent when identical or near-identical prompts appear in production. Prompt Cache works at the gateway layer, so developers can adopt it without rewriting provider integrations or changing routing logic. Built-in controls let you set cache keys, expiration policies, and privacy rules for sensitive workloads. Need faster responses without duplicating optimization work for each vendor? With shared observability, you can track hit rates, savings, and cache performance in one place. […]
Ausgabe 154 tok Latenz 2.9 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
GPT-5.4 in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gpt-5.4",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gpt-5.4",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.4",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gpt-5.4",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gpt-5.4")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GPT-5.4
- Es erweitert die Familie auf ein Kontextfenster von 1.050.000 Token (Herstellerangabe) mit maximal 128K Output-Token, unterstützt Bildeingabe, konfigurierbaren Reasoning-Aufwand von none bis xhigh, vergünstigte gecachte Eingaben und den vollständigen Satz gehosteter Tools einschließlich Websuche und Code Interpreter, mit einem Knowledge Cutoff im August 2025.
- Der Reasoning-Aufwand steht standardmäßig auf none, was die Latenz niedrig hält, aber bedeutet, dass abwägende Arbeit angefordert werden muss.
- Zum Start hob OpenAI vier Fähigkeiten als neu für dieses Modell hervor: das Kontextfenster der 1M-Klasse, Tool-Suche, integriertes Computer Use und Compaction für langlaufende Sitzungen.
- Darüber hinaus umfasst die Tool-Liste Dateisuche, Bildgenerierung, Code Interpreter, gehostete Shell, Apply Patch, Skills und MCP, und Chat Completions, Responses und Batch werden alle unterstützt.
- Eine Abrechnungsmechanik sollte man einplanen: Prompts über 272K Input-Token werden für die gesamte Anfrage mit 2x Input und 1,5x Output abgerechnet, der Aufschlag wird also durch die Input-Größe ausgelöst, hebt aber auch den Output-Satz an.
- Es ist die Standardwahl, wenn Flaggschiff-Fähigkeit auf produktionstaugliche Wirtschaftlichkeit treffen muss.
- Synthorai-Kunden erreichen GPT-5.4 über den OpenAI-kompatiblen Chat-Completions-Endpoint des Gateways.
FAQ
Lässt sich die GPT-5.4 API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $2.5/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 49 Anfragen an GPT-5.4 mit je ~8K Tokens.
Worin ist GPT-5.4 am besten?
Kontextfenster von 1.050.000 Token; erschwinglichere Option der Flaggschiff-Klasse; vollständiges gehostetes Toolset inklusive Websuche. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet GPT-5.4?
GPT-5.4 kostet auf Synthorai $2.5 pro Million Eingabe-Tokens und $15 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $1.25/M abgerechnet.
Wie groß ist das Kontextfenster von GPT-5.4?
GPT-5.4 hat auf Synthorai ein Kontextfenster von 922K Tokens. Eine einzelne Antwort kann bis zu 128,000 Tokens lang sein.
Unterstützt GPT-5.4 Prompt-Caching?
Ja, automatisch: Über OpenAI ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $1.25/M statt $2.5/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 1,024 Tokens, um gecacht zu werden (TTL 5-10 Min., bis zu 1 Std.). Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu GPT-5.4?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gpt-5.4", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von GPT-5.4?
Der Knowledge-Cutoff von GPT-5.4 liegt bei 2025-08, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-09).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.