openai
OpenAI: GPT-5.4 (batch)
openai/gpt-5.4:batch
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
El catálogo de OpenRouter lista openai/gpt-5.4:batch, que remite a la versión canónica openai/gpt-5.4-20260305, y lo describe como el modelo frontera de OpenAI que unifica las líneas Codex y GPT. La ficha reporta entradas de texto, imagen y archivo con salida de texto, una ventana de contexto superior al millón de tokens y razonamiento opcional con varios niveles de esfuerzo. Toda la evidencia proviene del catálogo; no se incluyó una ficha de modelo independiente, por lo que conviene validar las capacidades con cargas de trabajo propias.[1]
Puntos fuertes
- El catálogo reporta entrada multimodal de texto, imágenes y archivos con salida de texto, adecuada para canalizaciones de documentos con contenido mixto.[1]
- Según la ficha, el razonamiento es opcional y ajustable en niveles de esfuerzo desde ninguno hasta extra alto, junto con parámetros de herramientas, salidas estructuradas, semilla y verbosidad.[1]
- OpenRouter reporta una ventana de contexto superior al millón de tokens, lo que podría admitir documentos muy largos o entradas por lotes de gran tamaño.[1]
Limitaciones
- La evidencia se limita a una sola entrada del catálogo de OpenRouter; no había una ficha de modelo independiente en el paquete de fuentes, así que las capacidades siguen siendo reportadas por el proveedor y el agregador.[1]
- Los resultados de arena que reporta el catálogo son mixtos y dependen de la categoría, por lo que la calidad medida puede variar según el tipo de tarea.[1]
- La ficha no especifica garantías de tiempo de entrega por lotes, fecha de corte de conocimiento ni fecha de retiro, lo que deja sin verificar el comportamiento operativo de los trabajos programados.[1]
Dónde utilizarlo
- Podría encajar en trabajo masivo fuera de línea como resumen, extracción o clasificación de grandes colecciones de texto, imágenes o archivos; confirme antes el rendimiento y la precisión con datos representativos.[1]
- Puede servir para análisis de documentos largos, revisión de código o tareas a escala de repositorio que se beneficien de la amplia ventana de contexto reportada, sujeto a validación con sus cargas.[1]
- Podría resultar útil para quienes construyen agentes o canalizaciones que requieren salidas estructuradas y uso de herramientas, aunque conviene probar la latencia y los niveles de razonamiento antes de producción.[1]
Fuentes
- [1] OpenRouter catalog · OpenAI: GPT-5.4 (batch)Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
GPT-5.4 is OpenAI’s latest frontier model, unifying the Codex and GPT lines into a single system. It features a 1M+ token context window (922K input, 128K output) with support for...
Especificaciones
- ID del modelo
- openai/gpt-5.4:batch
- ID canónico
- openai/gpt-5.4-20260305
- Creador
- openai
- Añadido a OpenRouter
- 05.03.2026
- Longitud de contexto
- 1,050,000
- Modalidad
- text+image+file->text
- Modalidades de entrada
- text, image, file
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $1.25 / salida $7.5
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · predeterminado medium · esfuerzos: xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | AA — siguiente 20% de la cohorte | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado medium · esfuerzos: xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | entrada: file |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 71.1 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 42.3% · posición 96 | 1,084Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 55.4% · posición 28 | 1,194Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 52.5% · posición 63 | 1,203Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 56.6% · posición 43 | 1,233Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 57.6% · posición 44 | 1,229Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 57.8% · posición 35 | 1,185Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 57.4% · posición 48 | 1,232Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 52.5% · posición 64 | 1,213Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 47.7% · posición 42 | 1,021Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 40.9% · posición 41 | 995Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 46.9% · posición 24 | 1,135Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 46.1% · posición 47 | 1,081Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 40.3% · posición 43 | 1,041Elo | CC — por debajo de la franja B | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| OpenAI | 1,050,000 | $1.25 | $7.5 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.