# GPT-5.4 Mini

> Fiche du modèle de langage GPT-5.4 Mini sur Quelle IA, édition du 28 septembre 2026. GPT-5.4 Mini (OpenAI) : score IA de 79,0, 64e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-5-4-mini/
Origine : OpenAI · États-Unis · sorti le 17 mars 2026

## Score général

- Score IA : 79,0 (marge à 90 % : de 77,1 à 80,8)
- Rang : 64 (Groupe 8, ex æquo)
- Couverture : 100 % du poids des tâches, 36 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 77,7 | Rang 51 · 78 % |
| Code | 82,4 | Rang 33 · 31 % |
| Agents | 74,0 | Provisoire · 11 % |
| Usage | 79,5 | Rang 66 · 100 % |
| Maths | 80,6 | Rang 46 · 88 % |
| Sciences | 80,3 | Rang 42 · 60 % |
| Français | 85,0 | Rang 20 · 100 % |
| Vision | 80,0 | Provisoire · 33 % |
| Écriture | 77,9 | Rang 73 · 100 % |
| Web | 77,2 | Rang 71 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GPT-5.4 mini (Xhigh)](https://artificialanalysis.ai/models/gpt-5-4-mini) | 24,1 | 126e sur 193 | 213,0 jetons/s | 127,7 s | 0,75 $ / 4,5 $ |
| [GPT-5.4 mini (Medium)](https://artificialanalysis.ai/models/gpt-5-4-mini-medium) | 19,8 (estimé) | hors classement | 186,3 jetons/s | 8,70 s | 0,75 $ / 4,5 $ |
| [GPT-5.4 mini (Non-reasoning)](https://artificialanalysis.ai/models/gpt-5-4-mini-non-reasoning) | 11,1 (estimé) | hors classement | 170,4 jetons/s | 0,86 s | 0,75 $ / 4,5 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gpt-5-4-mini

## Exécution locale

Non. GPT-5.4 Mini est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 0,65 € / 3,90 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 400 000 jetons (environ 300 000 mots)
- Entrées : Texte, image
- Réflexion : Sans, faible, moyenne, élevée, très élevée (cinq niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : B (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Août 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-5.4-mini)
- Par API : [API OpenAI](https://platform.openai.com/docs)
- L'essayer : [ChatGPT](https://chatgpt.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Mesuré dans : [Codex](https://quelleia.com/outils/#codex)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,8 % | 80,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 96,3 % | 73,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 94,5 % | 53,6 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 93,7 % | 46,6 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 88,9 % | 76,6 | saturé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 87,2 % | 75,5 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 86,9 % | 79,0 | actif | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 79,2 % | 89,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 83,6 % | 75,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 77 % | 107,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 76,3 % | 83,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 76 % | 103,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 72,1 % | 87,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 71,3 % | 77,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 71,1 % | 73,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 70,7 % | 66,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 70,2 % | 66,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 66,8 % | 103,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| DTBench | Raisonnement | 80 % | 72,0 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, HellaSwag (bon sens) | Français | 66,4 % | 60,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 66,2 % | 49,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 66,1 % | 48,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 66 % | 48,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 65,6 % | 59,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 65,5 % | 100,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 64 % | 61,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 63,7 % | 77,3 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 63,7 % | 77,3 | saturé | https://arcprize.org/leaderboard |
| EuroEval, ScaLA (grammaire) | Français | 63,5 % | 96,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 61 % | 48,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 60,6 % | 87,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 60,3 % | 81,6 | actif | https://htihle.github.io/weirdml.html |
| EuroEval, MultiLoKo (connaissances locales) | Français | 58,5 % | 85,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions d'experts | Sciences | 1 480,2 Elo | 81,5 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 082,0 Elo | 98,4 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| ARC-AGI-1 | Raisonnement | 58 % | 75,9 | saturé | https://arcprize.org/leaderboard |
| Arena, questions en français | Français | 1 476,1 Elo | 81,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 494,7 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 447,0 Elo | 80,3 | actif | https://arena.ai/leaderboard |
| EuroEval, ScaLA (grammaire) | Français | 56,4 % | 80,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions de maths | Maths | 1 438,8 Elo | 77,4 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 401,6 Elo | 76,9 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 250,9 Elo | 81,3 | actif | https://arena.ai/leaderboard |
| GPQA Diamond | Sciences | 64,1 % | 61,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 51,2 % | 82,1 | actif | https://epoch.ai/benchmarks |
| EuroEval, MultiLoKo (connaissances locales) | Français | 50,8 % | 80,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SciCode | Code | 49,9 % | 83,1 | actif | https://artificialanalysis.ai/evaluations/scicode |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 28,3 % | 80,1 | actif | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 40,79 | 80,8 | actif | https://conceptualreasoning.ai/lmca |
| Code Arena, WebDev | Web | 1 396,9 Elo | 77,0 | actif | https://arena.ai/leaderboard |
| ARC-AGI-1 | Raisonnement | 40,8 % | 71,8 | saturé | https://arcprize.org/leaderboard |
| EuroEval, OrangeSum (résumé) | Français | 38 % | 74,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 37,9 % | 66,2 | actif | https://htihle.github.io/weirdml.html |
| EuroEval, OrangeSum (résumé) | Français | 37,8 % | 71,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 37,8 % | 69,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 37,7 % | 67,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| DeepResearch Bench | Agents | 36,3 % | 42,7 | actif | https://evals.futuresearch.ai/#drb |
| EuroEval, MultiLoKo (connaissances locales) | Français | 31,6 % | 65,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SimpleQA Verified | Données | 29,4 % | 73,3 | actif | https://epoch.ai/benchmarks |
| FrontierCode | Code | 27 % | 83,7 | actif | https://cognition.com/frontiercode |
| OTIS Mock AIME 2024-2025 | Maths | 26,7 % | 55,4 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 24,6 % | 73,2 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 21 % | 82,8 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| Chess Puzzles | Raisonnement | 24 % | 80,4 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 18,9 % | 78,6 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 18,9 % | 78,6 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 17,2 % | 69,7 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 57 % | 40,2 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 18 % | 75,8 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 13,2 % | 76,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 13 % | 62,8 | saturé | https://arcprize.org/leaderboard |
| CritPt | Sciences | 10 % | 83,1 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 9,8 % | 80,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 4,4 % | 71,5 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 2,1 % | 72,7 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 11 % | 70,1 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 1,1 % | 65,2 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 8 % | 65,7 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 7 % | 65,7 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 3 % | 47,6 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GPT-5.4 Mini ?** GPT-5.4 Mini obtient un score IA de 79,0, avec une marge de 77,1 à 80,8, dans l'édition du 28 septembre 2026. Il est classé 64e sur 246 modèles, à partir de 36 mesures.

**Dans quelles tâches GPT-5.4 Mini est-il le plus fort ?** Ses deux meilleures tâches sont français (85,0) et code (82,4). Sa tâche la plus faible est agents (74,0).

**GPT-5.4 Mini peut-il tourner en local ?** Non. GPT-5.4 Mini est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte GPT-5.4 Mini ?** 0,65 € par million de jetons en entrée et 3,90 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GPT-5.4 Mini ?** GPT-5.4 Mini est édité par OpenAI (États-Unis), et il est sorti le 17 mars 2026. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com