围绕具体问题快速改代码
GPT-5.4 mini 的编程优势集中在目标明确的迭代：依据报错检查相关函数、修改局部逻辑、生成前端实现，或梳理代码位置。把复现步骤、相关代码和验收条件一起提供，便于获得可审查的修改建议，而不是泛泛的编程说明。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生上下文
- 400k tokens
- 输入方式
- 文本、图像；可结合截图与文字任务说明
- 主要交付
- 文本回答、代码、分析结果及函数调用请求
- 编程方向
- 定向编辑、代码库导航、前端生成、调试
- 工具协作
- 原生支持工具使用与函数调用
- 平台交互
- Responses、Chat Completions、AI Chat v2、AI Chat
- 调用控制
- 流式响应、输出长度控制；推理设置依所选入口使用
400k 是原生公开上下文规格；平台输入组织、会话保存和工具执行方式随所选入口而异。
核心能力
了解 gpt-5.4-mini 能为你的工作带来什么。
理解密集界面中的任务信息
它能结合文字要求解释用户界面截图，帮助分析页面布局、可见控件与当前状态。适合把截图转成问题清单、操作建议或实现说明；如果任务涉及实际点击与环境操作，还需配合具备执行能力的工具和反馈循环。
承担边界清晰的子代理工作
在协作系统中，它适合处理代码库搜索、大文件审查和辅助文档整理。可以让更大型模型负责整体规划与最终判断，再将明确子任务交给 mini。每项任务约定输入范围和交付格式，更方便汇总结果、复核差异与追踪遗漏。
适用场景
从具体任务出发，找到模型发挥作用的位置。
缺陷修复与代码审查
输入错误日志、相关代码和预期行为，让模型定位疑点、提出局部修改并解释影响范围。交付物可包括修复代码、审查意见与测试建议。适合开发者连续验证和追问，实际运行及测试结果仍由开发环境提供。
截图驱动的前端分析
提交页面截图与设计要求，请模型整理组件结构、辨认可见状态，并生成对应的前端代码或调整方案。Chat Completions 可在同一条消息中组合 text 与 image_url 内容块，使视觉信息和实现目标保持一致。
带上下文的文档助手
通过 AI Chat v2 输入文档文本或文件链接，围绕材料做摘要、问题解答和待办整理。使用 stateful 保存会话，再携带返回的 id 继续追问，减少反复组织历史的工作；需要追踪处理过程时，可接收结构化流式事件。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
相比 nano，选择更完整的理解与执行
简单分类、数据提取和排序可优先考虑 GPT-5.4 nano；当任务还需要解释代码、理解截图、分析原因或配合工具完成多个步骤时，mini 更适合作为主力。相较 GPT-5 mini，它重点改进了编程、推理、多模态理解和工具使用，适合评估升级既有开发助手。
相比旗舰，按任务难度分工
局部修复、明确文档问题和辅助审查可先选 mini；跨模块规划、复杂长文交叉检索或重要最终判断，更适合考虑 GPT-5.4。mini 的长上下文窗口不意味着长材料中的每个关联都能同样准确捕获。分工时让 mini 提供依据与待确认项，再统一复核。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 大窗口不等于完整记忆。材料较长、信息分散且需要跨段关联时，建议按主题分块，并要求回答对应原文依据。复杂长文检索不要只依赖一次整体提问，关键结论应回到材料中复核。
- 截图理解与电脑操作是两件事。模型可以分析可见界面，但普通图文请求不会自动点击按钮、运行程序或修改文件。需要实际执行时，应连接工具、提供环境反馈，并明确可执行范围。
- 本型号主要用于文本与图像理解，不应作为音频或绘图模型使用。文件读取与联网任务宜通过合适的工具工作流完成；函数调用返回的参数也需要校验，不能直接当成已执行成功的结果。
常见问题
解答使用 gpt-5.4-mini 时的常见疑问。
GPT-5.4 mini 是 GPT-5 mini 的别名吗？
不是。它是 GPT-5.4 系列的小型模型，与 GPT-5 mini 是不同型号。它更侧重改进后的编程、推理、图文理解及工具使用。调用时使用 gpt-5.4-mini；迁移已有应用时，建议用原来的任务集比较结果。
应该使用 Responses 还是 Chat Completions？
已有 messages 对话客户端可继续使用 Chat Completions；采用 input 组织响应任务、工具与推理设置时可选 Responses。两者都能选择本型号，但请求和返回结构不同，流式客户端也应按各自格式解析。
能看截图并直接操作电脑吗？
它擅长理解密集界面截图，也具备原生电脑使用相关能力。仅提交截图通常得到分析或操作建议，实际操作需要执行工具与环境反馈。涉及提交、删除或写入的任务，应设置权限边界并检查执行结果。
能直接提交 PDF 做连续问答吗？
使用 AI Chat v2 时，可通过 message 中的 file_url 提交 PDF 链接，由文件读取工作流处理后问答。开启 stateful 并在后续请求携带同一 id，可继续讨论材料；这与直接把 PDF 当作所有入口通用输入不同。
400k 上下文适合一次分析整个代码库吗？
它为较多材料提供了上下文空间，但不保证一次找全所有跨文件关系。更稳妥的方式是先定位相关模块，再提交依赖代码、问题描述与验收条件。大型架构判断可交给 GPT-5.4，mini 负责局部分析和审查。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.15per 1M tokens
Official $0.75
Output
$0.90per 1M tokens
Official $4.50
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.