Informe de prueba de GPT-5.4
A 17 nov 2026, GPT-5.4 tiene un Spicy Index preliminar de 50,0. La libertad no se ha probado o las pruebas son insuficientes. El Index conserva la puntuación original de calidad y capacidades, se marca como provisional y sigue recibiendo posición. La falta de pruebas no equivale a cero.
Cada punto detrás de las puntuaciones de GPT-5.4: la fila de la tabla en la que cayó cada criterio, dónde perdió puntos y cada prueba de contenido con su fecha.
- Metodología v3.3 →
- Puntuaciones calculadas el
- Clasificación: Modelos de lenguaje →
Cómo se compone el Spicy Index
Cómo se puntúaSpicy Index combina un 70% de calidad y capacidades con un 30% de Freedom Score publicable. Con pruebas completas: 59,5% calidad, 10,5% capacidades y 30% libertad. Precio y velocidad quedan aparte.
Comparación con el líder
32,5 puntos de Index por detrás de Claude Opus 5.5. Modelos empatados en primer lugar: 1.
| Dimensión | GPT-5.4 | Claude Opus 5.5 | Diferencia ponderada |
|---|---|---|---|
| Clasificaciones públicas | — | — | 0,0 |
| Rol | — | 76,3 | +15,1 |
| Escritura creativa | — | 71,0 | +14,1 |
| Seguimiento de instrucciones | — | 100,0 | +19,8 |
| Memoria con contexto largo | — | — | 0,0 |
| Capacidad | 50,0 | 65,0 | -43,2 |
| Freedom Score | — | 88,9 | +26,7 |
La libertad no se ha probado o las pruebas son insuficientes. El Index conserva la puntuación original de calidad y capacidades, se marca como provisional y sigue recibiendo posición. La falta de pruebas no equivale a cero.
| Dimensión | Peso en este Index | Estado | Puntuación |
|---|---|---|---|
| Clasificaciones públicas | — | Pendiente | — |
| Rol | — | Pendiente | — |
| Escritura creativa | — | Pendiente | — |
| Seguimiento de instrucciones | — | Pendiente | — |
| Memoria con contexto largo | — | Pendiente | — |
| Capacidad | 100 % | Puntuado | 50,0 |
| Freedom Score | — | Aún sin probar | — |
GPT-5.4: Capacidad, fila por fila
Cómo se puntúaCada criterio se lee de la especificación del modelo en SpicyAPI y se asigna a una fila de una tabla fija. Sin criterios subjetivos.
50,0/ 1000 + 12 + 15 + 8 + 15 = 50 / 100
Según la especificación pública del modelo en SpicyAPI, 17 nov 2026
| Criterio | En SpicyAPI | Fila asignada | Puntos | Puntos perdidos |
|---|---|---|---|---|
| Ventana de contexto (publicada por el creador)hasta 30 pts | Sin declarar | Sin indicarMostrar la tabla completa
| 0,0 / 30 | −30,0 |
| Modalidades de entrada en SpicyAPIhasta 25 pts | Texto, más imágenes | Entrada de imagenMostrar la tabla completa
| 12,0 / 25 | −13,0 |
| Uso de herramientashasta 15 pts | Herramientas y tool_choice | Admite herramientas + Control con tool_choiceMostrar la tabla completa
| 15,0 / 15 | Todos los puntos |
| Salida estructuradahasta 15 pts | Se acepta, cumplimiento del esquema aún sin verificar | Admite response_formatMostrar la tabla completa
| 8,0 / 15 | −7,0 |
| Control del razonamientohasta 15 pts | 5 niveles: none · low · medium · high · xhigh | 5 niveles, incluida una opción desactivada o mínimaMostrar la tabla completa
| 15,0 / 15 | Todos los puntos |
Porcentaje de puntos obtenidos por criterio
Aún sin probar
Estas dimensiones aún no tienen datos, así que no están en el Index. Ninguna se estima.
Clasificaciones públicas40 % de la calidad
Aún sin probar
Calificaciones de arena.ai, Artificial Analysis y Design Arena, solo del modelo exacto, cada una convertida a 0–100 y promediada según su peso.
Cómo se puntúaRol15 % de la calidad
Aún sin probar
Coherencia del personaje, inmersión y ausencia de sermones fuera del personaje: 30 escenarios × 3 muestras, puntuados por tres LLM jueces a ciegas.
Cómo se puntúaEscritura creativa15 % de la calidad
Aún sin probar
Cumplimiento del prompt, originalidad, prosa y estructura: 20 prompts × 2 muestras, puntuados por tres LLM jueces a ciegas.
Cómo se puntúaSeguimiento de instrucciones15 % de la calidad
Aún sin probar
100 restricciones comprobadas automáticamente sobre formato, longitud, contenido obligatorio y esquema JSON. Sin jueces.
Cómo se puntúaMemoria con contexto largo15 % de la calidad
Aún sin probar
Preguntas de recuerdo y de dos pasos a 32k, 128k, 256k, 512k y 1M de tokens, dentro de la ventana publicada del modelo.
Cómo se puntúa
Pruebas de contenido de GPT-5.4, tarea por tarea
Cómo se puntúaLa puntuación de la familia es la media de sus tareas, así que una sola tarea prudente arrastra a toda la familia. Aquí ves de dónde sale cada punto.
Aún no hemos hecho pruebas de contenido con este modelo, así que no tiene Freedom Score.
Lo que cuesta y lo que tarda
Cómo se puntúaMedido, nunca puntuado. El precio sale del catálogo en vivo; la velocidad, de trabajos reales de los últimos 30 días.
- Precio
- $5.63 por 1 M de tokens mixtos (3 de entrada : 1 de salida)
- Tasa de éxito
- Aún no se publica para ningún modelo. Las tasas de éxito se publicarán para todas las familias a la vez cuando haya 30 días de tráfico real.
- Velocidad de salida
- Recopilando datosIncluye el tiempo hasta el primer token
- Tasa de éxito
- Recopilando datos
Un tiempo aparece cuando hay al menos 10 trabajos completados. Las tasas de éxito solo cuentan trabajos de clientes y siguen ocultas para todos los modelos hasta completar 30 días de tráfico.
Más informes de prueba de modelos de lenguaje
Objetivo e independiente
SpicyAPI vende acceso a este modelo. Sus puntuaciones salen solo de las tablas publicadas y de los registros de prueba de esta página. El precio, las condiciones comerciales y los acuerdos de suministro no intervienen.