GPT-5.4
OpenAI 모델 · 2026년 3월 5일 공개. 독립 벤치마크 점수, 종합 지수, 사람 투표 순위와 개발사 발표 점수를 그래프로 정리했습니다.
- 개발
- OpenAI
- 공개일
- 이용 방식
- API 제공
- 종합 능력 지수(ECI)
- 156.8신뢰구간 155.0~158.9
- Arena 점수(사람 투표)
- 146932위 · 투표 64,844표
주요 반응
컴퓨터 사용과 전문 업무 처리에서 기록적인 벤치마크 성적과 낮은 환각이 호평받았다. 다만 요청과 다른 답을 내놓는 지시 이행 문제, 코딩에서 Claude Opus 4.6에 못 미친다는 평가, 오른 가격과 장문 컨텍스트 효용에 대한 회의가 함께 나왔다.
- 호평출시 보도에서는 OSWorld-Verified 등 컴퓨터 사용 벤치마크와 GDPval 83%의 최고 기록이 소개됐다. Mercor CEO는 슬라이드·재무 모델·법률 분석 같은 장시간 산출물을 높게 평가했다. 일부 지표는 OpenAI 자체 테스트다.[1]
- 엇갈림한 실사용 테스트에서는 논리 전개가 탄탄하고 눈에 띄는 환각이 없었다. 그러나 요청과 다른 질문에 답하거나 긴 번호 목록을 남발해, 엄격한 요구 사항에는 감독이 필요하다는 결론이 나왔다.[2]
- 엇갈림독립 평가 지수에서 xhigh 설정은 Gemini 3.1 Pro Preview와 57점으로 같았고 Claude Opus 4.6(53점)을 앞섰다. 그러나 코딩 정밀도는 Opus 4.6이 낫다는 평가였고 수치 대부분은 벤더 발표 기준이다.[3]
- 엇갈림개발자 커뮤니티에서는 100만 토큰 컨텍스트의 실효성에 회의적이었고 27만 2천 토큰 초과 시 요금이 오른다는 점이 지적됐다. 과신과 지적에 반박하는 태도, 테스트를 편법으로 통과한 사례도 비판받았다.[4]
- 호평Epoch AI는 GPT-5.4 Pro가 FrontierMath 공개 문제 중 하나를 풀었고 문제 제출자가 해법을 확인했다고 밝혔다. 이후 다른 모델들도 일부 시도에서 같은 문제를 풀었다.[5]
반응 출처 5개
- OpenAI launches GPT-5.4 with Pro and Thinking versions · techcrunch.com
- Probé GPT-5.4 Thinking: brillante para razonar, impredecible para obedecer · wwwhatsnew.com
- GPT-5.4 review: benchmarks 2026 · blog.buildfastwithai.com
- GPT-5.4 | Hacker News · news.ycombinator.com
- FrontierMath: Open Problems - Ramsey hypergraphs · epoch.ai
출시 기사·리뷰·전문가 평가·개발자 커뮤니티 토론을 LUCAS AI News가 읽고 요약했습니다(2026-10-11 기준). 원문 표현은 옮기지 않았으니 자세한 내용은 출처에서 확인하세요.
영역별 강점
같은 시험을 치른 모델 가운데 어디쯤인지(백분위)를 영역별로 평균했습니다. 바깥일수록 상위권이고, 점수가 없는 영역은 가운데 빈 점으로 표시합니다.
OpenAI 모델 흐름
큰 점이 이 모델입니다. 선은 그때까지의 최고 기록입니다.
독립 벤치마크 점수
- GPQA Diamond과학93.3%
94개 모델 중 17위. 대학원 수준의 생물·물리·화학 객관식 문제 198개. 검색으로 답을 찾기 어렵게 만든 문항이다. 생각 수준 '매우 높음' 기준. 오차 ±1.8%.
- OTIS 모의 AIME수학97.8%
91개 모델 중 21위. OTIS의 경시대회형 수학 문제 45개. MATH Level 5보다 어렵고 FrontierMath보다 쉽다. 생각 수준 '높음' 기준. 오차 ±2.2%.
- FrontierMath(2025판)수학47.6%
46개 모델 중 4위. 연구 수준의 매우 어려운 수학 문제(비공개). 2026년 6월 새 판으로 바뀌기 전 기록이다. 생각 수준 '매우 높음' 기준. 오차 ±2.9%.
- FrontierMath 1~3단계수학78.6%
57개 모델 중 17위. 연구 수준의 매우 어려운 수학 문제(비공개) 2026년 판의 1~3단계. 생각 수준 '매우 높음' 기준. 오차 ±2.4%.
- FrontierMath 4단계수학49%
48개 모델 중 17위. FrontierMath 2026년 판에서 가장 어려운 4단계 문제(비공개). 생각 수준 '매우 높음' 기준. 오차 ±8%.
- SWE-bench Verified코딩76.9%
23개 모델 중 5위. 실제 오픈소스 저장소의 이슈를 고치는 과제. 사람이 검증한 500개 문항이다. 생각 수준 '높음' 기준. 오차 ±1.9%.
- MirrorCode코딩15.6%
9개 모델 중 7위. 원본 소스 코드 없이 프로그램 전체를 처음부터 다시 구현하는 장기 코딩 과제. 생각 수준 '높음' 기준. 오차 ±7.7%.
- SimpleQA Verified지식45.1%
52개 모델 중 28위. 정치·과학·예술·스포츠·지리 등 짧은 사실 질문 1,000개에 검색 없이 답한 정확도. 생각 수준 '매우 높음' 기준. 오차 ±1.6%.
- 체스 퍼즐추론44%
60개 모델 중 14위. 체스 엔진으로 새로 만든 퍼즐 100개. 퍼즐마다 최선의 다음 수가 하나 있다. 생각 수준 '매우 높음' 기준. 오차 ±5%.
- 미공개 게임 퍼즐추론37%
47개 모델 중 12위. 잘 알려진 게임을 퍼즐용으로 바꾼 변형판의 100개 국면. 어떤 게임인지는 일부러 밝히지 않았다. 생각 수준 '매우 높음' 기준. 오차 ±4.9%.
- 가구 조립 검사공간·학습37.5%
27개 모델 중 17위. 가구 조립 사진을 보고 조립이 맞는지, 틀렸다면 어느 단계가 틀렸는지 찾는 공간 추론 시험. 생각 수준 '매우 높음' 기준. 오차 ±6.3%.
- EBR-bench공간·학습25.4%
21개 모델 중 12위. 덜 알려진 게임 Earthborne Rangers를 반복해서 할수록 점수가 오르는지 보는 학습 능력 시험. 생각 수준 '매우 높음' 기준.
세로선은 무작위로 찍었을 때 기대되는 점수입니다. 같은 벤치마크라도 평가 방식과 설정에 따라 점수가 달라지므로 개발사 발표 수치와 다를 수 있습니다.
함께 볼 모델
- GPT-5.4 Pro OpenAI · 2026-03-05
- GPT-5.4 Mini OpenAI · 2026-03-17
Gemini 3.1 Flash-Lite Google · 2026-03-03- Gemini 3.1 Pro Google · 2026-02-19