根据以下地点,安排一个轻松的周六行程:公园开放时间为 9:00-18:00,博物馆为 10:00-17:00,咖啡馆为 8:00-20:00。从 10:00 出发,安排午餐休息,每个地点之间预留 30 分钟。用时间表呈现,不要编造价格或营业时间。
GPT 5.4 API:在线文本生成、使用教程与接入指南
在 RequestBeam 一键接入 GPT 5.4,一个密钥打通 AI 与多种数据服务,让你专注于业务和探索。
GPT 5.4 API 价格与计费
0-272K 输入 Token
官方价格
- 输入
-
$2.5000/M - 输出
-
$15.0000/M - 缓存输入
-
$0.2500/M
我们的价格 降低 70%
- 输入
- $0.7500 /M
- 输出
- $4.5000 /M
- 缓存输入
- $0.0750 /M
- 缓存写入
- $0.7500 /M
272.001K-922K 输入 Token
官方价格
- 输入
-
$5.0000/M - 输出
-
$22.5000/M - 缓存输入
-
$0.5000/M
我们的价格 降低 70%
- 输入
- $1.5000 /M
- 输出
- $6.7500 /M
- 缓存输入
- $0.1500 /M
- 缓存写入
- $1.5000 /M
GPT 5.4 在线对话工具
模型设置
开启后,下次请求会附带当前对话中已完成且可复用的轮次,方便连续追问,无需重复背景。
关闭后会怎样?只发送新消息和已设置的系统提示词。已有消息仍会显示;重新开启后,符合条件的历史轮次会再次加入请求。
这是长期记忆吗?不是。这是当前对话的上下文,不会跨独立对话记忆。失败、停止、截断或无法复用的回复不会加入。历史越多,输入 Token 用量和费用可能越高。
高级参数
对话

今天有什么可以帮你?
暂无响应数据 GPT 5.4 提示词示例
根据以下情况,起草一封礼貌的客户邮件:订单将延迟两天到达,新的送达日期为 10 月 15 日,物流信息会在明天发送。表达歉意,但不要自行承诺补偿。包含邮件主题,正文控制在 120 字以内。
把以下会议记录整理成行动清单:玛雅将在周五前修改方案;利奥将在下周一确认场地;预算仍待审批,尚未指定负责人。用表格列出任务、负责人、截止时间和待确认事项,缺失信息标为“未明确”。
什么是 GPT 5.4?
GPT 5.4 的模型定位与核心能力
GPT 5.4 是 OpenAI 面向编程和专业工作的模型,结合文本推理、图像理解与原生 1,050,000 Token 上下文窗口。它适合在技术分析、文档综合和软件开发之间衔接的任务,而不只是生成简短摘要。
RequestBeam 的 GPT 5.4 在线工具与 API
RequestBeam 为 gpt-5.4 提供在线文本 Playground、统一 Chat Completions 与 OpenAI 兼容 Responses 接口。你可以先用已提供的文本检查回答,再接入自己的应用。文本工具不会上传文件、浏览网站或执行代码;多模态请求与工具需要使用相应文档规定的接口和受支持配置。
GPT 5.4 的核心功能与领域优势
GPT 5.4 可协助关联项目需求、技术材料与预期交付物。把任务写成可检查的要求:哪些行为必须保留、哪些证据已经具备,以及回答需要包含什么。
贯穿需求与实现的编程辅助
提供关联模块、实际故障和验收测试,让 GPT 5.4 给出诊断与聚焦的修改方案。它可辅助代码审查、接口设计和调用方影响分析,而不只是孤立地补全一个函数。
要求它区分已确认观察与待验证假设,并为疑似故障补充测试。生成补丁需要在你的开发环境中编译和运行;此 Playground 不能读取仓库,也不能证明代码已经正确工作。
长上下文与可追溯的文档综合
原生 1,050,000 Token 上下文窗口为大量原始材料提供空间。制作项目简报时,可提供带编号的段落,要求整理已确认决策、待审批事项、负责人和风险,并对应到给定原文。
大窗口不保证完整记住全部细节。优先选择相关材料、保留文档版本,同时检查遗漏和凭空添加的内容。实际请求长度与额度取决于 RequestBeam 及上游通道,不只取决于模型规格。
图像理解与独立的 API 输入路径
GPT 5.4 在模型层面支持图像输入。通过受支持的多模态接口提交图像后,可用于审阅图表、理解界面布局,或结合技术说明分析示意图。
本页文本 Playground 没有图片或 PDF 上传入口。RequestBeam Responses 文档使用 input_image 接收公网图片 URL,使用 input_file 接收 PDF 内容;应遵循相应格式,不要把粘贴链接视为已经分析图像。音频与视频不是该模型的原生输入模态。
可调推理与结构化交付
GPT 5.4 在模型层面支持可配置推理强度与结构化输出。决策简报可要求建议、支撑建议的约束和推翻建议的条件;提取任务可明确字段、类型与缺失值处理方式。
参数支持需按所用接口确认。自然语言要求 JSON 不等于 Schema 约束,符合 Schema 的数据也可能不正确。核对原文与业务规则,尤其是在处理财务、法律等重要材料时。
GPT 5.4 基准测试与性能表现
公开模型评测与应用实际结果回答的是不同问题。将编程、文档和工具评测用于筛选候选模型,不把它们视为 RequestBeam 响应时间、可用率或真实任务成功率的承诺。
用可执行验收测试评估编程
软件任务应检查补丁是否解决报告的问题、保留既有行为并通过相关测试。加入需要跨文件处理的样本,记录不存在的 API、遗漏的依赖和无关修改。
带工具的基准评测包含文件与执行反馈环境,一次文本回答并不拥有这些条件。应在相同仓库上下文和验证流程中比较模型,不把榜单分数直接换算为项目修复成功率。
在流畅表达之外检查文档准确性
用包含暂定日期、冲突版本、缺失负责人和数值例外的简报进行测试。检查 GPT 5.4 是否保留不确定性、正确引用给定段落,并区分建议行动与已有承诺。
结构化提取应分别统计字段正确性、无依据推断与 JSON 解析成功情况。视觉任务则需使用真实图像输入路径;只提供文字说明不能验证图像感知或 PDF 理解。
联合衡量质量、延迟与用量
保持提示词、协议、历史与输出要求可比,记录原文准确性、返工次数、首段正文时间、完整耗时和实际用量。只有所选通道支持时,才比较不同推理配置。
长输入和重复历史可能增加费用,推理也可能延后正文并消耗输出额度。通过小规模代表样本选择配置;本页不声称已测得生产延迟或本地基准分数。
GPT 5.4 与 GPT、Claude 同类模型对比
先把 GPT 5.4 放入明确工作负载,再用同一套验收标准比较目录中的相关模型。下表描述评估任务,而不是未经验证的性能排名。
| 比较维度 | GPT 5.4 | 相关候选模型 | 验证方式 |
|---|---|---|---|
| 代码变更 | 审查需求并提出补丁 | GPT 5.5、Claude Sonnet 4 6 | 运行测试并检查变更范围 |
| 文档综合 | 生成可对应原文的简报 | GPT 5.5、Kimi K3 | 检查事实、遗漏与不确定性 |
| 结构化提取 | 定义字段与缺失值 | GPT 5.6 Terra | 校验 Schema 与每个来源字段 |
| API 接入 | Chat Completions 与 Responses | 候选模型的协议不同 | 核对目录、请求体与响应解析 |
何时优先测试 GPT 5.4
当工作流结合技术推理、基于原文的写作和编程辅助,或需要同时评估 Chat Completions 与 Responses 接入时,可先测试 GPT 5.4。代表样本可以是一份同时要求修改计划与回归测试的项目简报。
不要推断另一版本必然更好,也不要认为熟悉的 SDK 会让全部功能自动兼容。应在应用实际使用的协议下比较回答质量和当前账户价格。
在 RequestBeam 中按任务选模型
可用 GPT 5.5 比较同一份复杂简报,用 Claude Sonnet 4 6 比较代码审查,用 Kimi K3 比较多资料综合,用 GPT 5.6 Terra 比较结构化提取。这些是评估候选,不代表任何模型必然在对应任务中胜出。
统一文本接口有助于复用鉴权与消息结构;Responses 和 Messages 则采用不同契约,同一模型族的参数也可能不同。保留一致的评分标准,并检查各候选页面与文档。
为什么通过 RequestBeam 使用 GPT 5.4?
按需计费与模型成本优化
在稳定的基础上,价格比官方更低,按需充值,充多少用多少
统一 AI模型 与数据 API,一站式多模型接入
一个密钥多个AI模型和数据模型,节省对接成本,一键切换,业务需要的场景必然是AI+数据
调用记录与应用权限控制,每一次调用明明白白
每一笔调用记录都可以在后台查到,可以设置多个密钥对应不同的应用
模型能力不打折
我们的模型不掺水,我们无法卖给你最便宜的,但一定卖给你最好的
如何在 RequestBeam 中使用 GPT 5.4
在后台创建完密钥后,就可以根据文档来接入 GPT 5.4。
准备账户并进行在线测试
登录并确认余额,创建一个 API 密钥。
在 Playground 中体验
可以在 Playground 中体验模型的能力,确定最佳的模型使用方案。
将 GPT 5.4 集成到你的业务中
根据我们提供的开发文档,将 GPT 5.4 集成到业务中。
后续的模型升级
后续有新的模型发布以后,只需要将模型名称替换成新模型,就可以完成模型升级。
GPT 5.4 API 常见问题
GPT 5.4 Playground 可以上传图片、PDF 或视频吗?
此 Playground 接收文本,没有文件上传入口。GPT 5.4 支持图像理解,RequestBeam Responses 文档通过 input_image 接收公网图片 URL,通过 input_file 与 filename 接收 PDF Data URL。这些是独立 API 输入,不是粘贴到对话里的链接。音频与视频不是这里的原生模型输入。
为什么 GPT 5.4 没有生成最终正文,或回答不完整?
显式输出预算过小时,可能被推理消耗或截断正文。先检查 Chat 的 finish_reason,或 Responses 的完成状态与不完整详情,再判断结果是否完整。缩小任务范围或调整可选额度;不要假设 GPT 5.4 会暴露内部原始推理,或必定返回 reasoning_content。
对话记忆是长期记忆吗?为什么多轮用量变高?
这里的记忆是当前会话上下文,不是跨会话的长期记忆。开启后会附带可复用的已完成回合,输入用量可能随历史增加;关闭后历史仍可见,但不会随新消息发送。失败、停止、截断或不可复用的回复不会作为正常历史继续附带。Responses 响应 ID 也不保证每条通道都支持有状态续写。
遇到 401、402、403 或 429 错误怎么办?
401 检查密钥与 Bearer 鉴权,402 检查余额,403 检查 gpt-5.4 访问权限,429 检查请求频率或额度。通过当前 Key 的目录确认模型可用范围。数字平台 code 与 HTTP 状态不同;上游失败和 SSE 流内错误应根据完整错误排查,不要把所有失败都当作密钥无效。
可以使用 OpenAI Responses 或 Claude Messages 调用 GPT 5.4 吗?
RequestBeam 目录列出 gpt-5.4 支持 Chat Completions 与 OpenAI 兼容 Responses,不支持 Claude Messages。Responses 使用 input 和 output 项,Chat 使用 messages 和 choices。应选择匹配的地址与解析器,而不只是替换模型名。常规 Responses 支持不代表所选通道开放 Compact 或有状态续写。
一次请求可以返回多个方案或保证 JSON 正确吗?
可以要求在一个回答里列出多个方案,不要假设每套协议都接受 n。Responses 的请求契约没有列出 n。GPT 5.4 在模型层面支持结构化输出,Responses 文档提供 text.format;需在所选通道确认 Schema 配置。仅用提示词要求 JSON 不等于强制约束,符合 Schema 的输出仍需核对事实与业务规则。
GPT 5.4 能直接执行代码、调用工具或完成业务操作吗?
文本 Playground 不会执行代码、控制浏览器、修改文件或付款。Responses 文档提供工具定义,但实际工具可用性取决于通道。自定义函数需要由应用执行并回传结果,权限与敏感操作审批也由应用负责。函数调用或生成的计划不是操作已完成的证明。
响应慢、流中断或点击停止后,可以立即重试吗?
先检查已有结果、请求记录和用量。长输入与推理可能影响耗时;停止浏览器等待或丢失 SSE 连接不证明上游未处理请求。避免并行重复重试,先分类错误、确认是否有未完成结果,再在适合重试时使用有次数限制的退避。
相关文本 API
GPT 5.4 API 接口规范与调用
GPT 5.4 API 快速调用
gpt-5.4Chat CompletionsPOST /v1/chat-completions
curl -X POST "https://api.requestbeam.com/v1/chat-completions" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.4","messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'ResponsesPOST /openai/responses
curl -X POST "https://api.requestbeam.com/openai/responses" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.4","input":"Hello, reply with one short sentence.","stream":false}'家族与协议参考
OpenAI 多模态 Responses
完整 API 文档OpenAI 兼容的 Responses API。该接口使用 OpenAI 官方风格的 `input` 入参,支持文本、公网图片 URL、PDF 文件输入、工具调用、推理配置和流式输出参数。
https://api.requestbeam.com/openai/responsesOpenAI 兼容的 Responses API。该接口使用 OpenAI 官方风格的 input 入参,支持文本、公网图片 URL、PDF 文件输入、工具调用、推理配置和流式输出参数。
POST https://api.requestbeam.com/openai/responses验证
所有接口都需要使用 Bearer Token 进行认证。
Authorization: Bearer YOUR_API_KEY如果请求直接返回认证错误,请优先检查:
- API Key 是否正确
- Key 是否适用于当前 API Base URL
- 请求头是否拼写正确
- 代理层是否改写了请求头
Body
modelstring必填默认: gpt-5.4当前支持 Responses 的 active 模型:
gpt-5.4gpt-5.5gpt-5.6-solgpt-5.6-terragpt-6-astra
当前 API Key 的实际可见范围见模型目录。
inputstring | object[]输入内容。未提供非空 previous_response_id 时必填。 同时缺少这两个字段,或 input 类型不合法时,会在预扣前返回 400。
支持两种写法:
- 字符串:等价于一条
user文本输入。 - 输入项数组:用于多轮上下文、多模态输入和工具调用结果。
输入数组中的每个对象可包含以下字段:
typestring输入项类型。
常用值:
message:一条消息输入。function_call_output:函数工具调用的结果。
rolestring当 type=message 时的角色。
常用值:
developersystemuserassistant
contentstring | object[]消息内容。
多模态请求建议使用内容块数组。内容块支持以下字段:
typestring内容块类型。
当前支持:
input_textinput_imageinput_file
textstring当 type=input_text 时的文本内容。
image_urlstring当 type=input_image 时的公网图片地址。
当前仅支持公开可访问的 http:// 或 https:// 图片 URL,不支持 data:image/...;base64,... Data URL。
detailstring默认: auto当 type=input_image 时的图片解析细节。
常用值:
autolowhigh
file_datastring当 type=input_file 时的文件内容 Data URL。PDF 可使用 data:application/pdf;base64,...。
filenamestring当 type=input_file 时的文件名。
instructionsstring系统或开发者指令,会插入到模型上下文中。
max_output_tokensinteger可选的最大输出 token 数量,使用正整数。省略时使用所选模型的上游默认额度。 不同模型的额度可能同时包含推理 token 和最终正文;较小额度可能导致回答 截断,或在生成正文前耗尽。提高额度可能增加费用。
streamboolean默认: false是否使用流式输出。
false:一次性返回完整响应。true:返回 OpenAI Responses 风格的 SSE 事件。
temperaturenumber默认: 1.0控制输出随机性,范围通常为 0 到 2。
top_pnumber默认: 1.0核采样参数,范围通常为 0 到 1。
textobject文本输出配置。
text.formatobject文本格式配置,例如 { "type": "text" }、JSON schema 等。
text.verbositystring文本详细程度配置。常见值包括 low、medium、high;具体可用范围取决于所选模型。
toolsobject[]工具定义。
常见工具包括函数调用、文件搜索、网络搜索等。具体可用工具取决于所选模型和当前可用能力。
tool_choicestring | object工具选择策略。
parallel_tool_callsboolean是否允许并行工具调用。
reasoningobject推理相关配置。
includestring[]返回中需要额外包含的字段列表。
例如需要返回输入图片 URL 时,可设置 message.input_image.image_url。
prompt_cache_keystringPrompt cache key,用于帮助复用提示词缓存。
prompt_cache_retentionstringPrompt cache 保留策略。具体支持值取决于所选模型和当前可用能力。
safety_identifierstring用于安全风控的最终用户稳定标识。
storeboolean是否保存响应状态。具体行为取决于所选模型和当前可用能力。
模型参数差异
- 原生 OpenAI 兼容 Responses 转发会在上游请求中保留
top_p,参数校验和采样行为取决于所选模型与上游。2026-09-26 的验证中,gpt-5.5、gpt-5.6-sol和gpt-5.6-terra接受了top_p: 0.9。接受与透传都不证明采样效果,也不保证其他值、模型或后续请求同样支持。切换模型时建议从最小请求开始。 - 本页的 Responses 支持范围只适用于常规
/openai/responses接口。它不代表同一模型同时支持/openai/responses/compact、WebSocket 或有状态previous_response_id。 - 上述五个 GPT 模型目前没有已验证的 Compact 通道。没有明确启用的通道时,Compact 会在预扣前拒绝;常规 Responses 和 Responses WebSocket 可正常使用。
请求体示例
以下示例均提供 input。只有提供有效 previous_response_id,且所选通道支持 有状态续写时,续写请求才可以省略 input;传入响应 ID 不会让不支持的通道获得该能力。 工具结果仍可作为输入数组项传入,包括 function_call_output。
纯文本
{
"model": "gpt-5.4",
"input": "你好,请用一句话介绍你自己。"
}Codex CLI 风格参数
{
"model": "gpt-5.5",
"input": "Reply with READY only.",
"reasoning": {
"effort": "xhigh"
},
"store": false,
"text": {
"verbosity": "low"
},
"stream": true
}图片理解
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "这张图片里有什么?请用中文回答。"
},
{
"type": "input_image",
"image_url": "https://example.com/cat.png",
"detail": "high"
}
]
}
]
}文件输入
使用 file_data + filename 可以直接提交 PDF 内容。file_data 需要是完整 Data URL。
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "请总结这个 PDF 的重点。"
},
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjQKJc...",
"filename": "report.pdf"
}
]
}
]
}图片 + 文件混合输入
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "请结合图片和附件,给出三条结论。"
},
{
"type": "input_image",
"image_url": "https://example.com/chart.png",
"detail": "high"
},
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjQKJc...",
"filename": "notes.pdf"
}
]
}
]
}流式输出
{
"model": "gpt-5.4",
"stream": true,
"input": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "请分步骤解释这张图。"
},
{
"type": "input_image",
"image_url": "https://example.com/diagram.png"
}
]
}
]
}Response
非流式响应保持 OpenAI Responses 风格。实际字段可能随所选模型能力变化。
idstring响应的唯一标识符。
objectstring响应对象类型,通常为 response。
created_atinteger创建时间戳。
modelstring实际使用的模型名称。
outputobject[]输出项列表。
常见输出项包括:
messagefunction_call- 工具调用相关输出
usageobjectToken 使用统计。
常见字段包括 input_tokens、output_tokens、total_tokens。
成功响应示例
{
"id": "resp_123",
"object": "response",
"created_at": 1766534400,
"model": "gpt-5.4",
"output": [
{
"type": "message",
"role": "assistant",
"content": [
{
"text": "图片中是一只猫,附件是一份关于宠物护理的说明文档。"
}
]
}
],
"usage": {
"input_tokens": 128,
"output_tokens": 42,
"total_tokens": 170
}
}流式响应
当 stream=true 时,接口返回 SSE 事件流。
event: response.output_text.delta
data: {"type":"response.output_text.delta","delta":"图片中"}
event: response.output_text.delta
data: {"type":"response.output_text.delta","delta":"是一只猫"}
event: response.completed
data: {"type":"response.completed","response":{"id":"resp_123"}}客户端应持续读取事件,直到收到 response.completed 或连接结束。
失败响应
完整错误码、协议差异和排查步骤见错误码与错误处理。
平台生成的 HTTP 错误使用以下平铺字段,不包裹在 error 对象内。部分上游错误可能保留原有结构;已经开始的 SSE 流内错误不适用此 HTTP 响应示例。
{
"code": 40000,
"message": "Insufficient credit. Required: 30000, Available: 20000",
"type": "api_error"
}字段说明:
code:数字错误码。错误码由平台统一枚举管理。message:错误说明。type:OpenAI 兼容错误类型,通常为api_error。
注意事项
Responses接口使用input,不是messages。如果你的客户端只能发送messages,请使用/openai/v1/chat/completions。- 图片输入使用
input_image,image_url仅支持公网可访问的http://或https://图片地址,不支持 Base64 Data URL。 - 文件输入使用
input_file。PDF 文件建议使用file_data+filename写法,file_data为完整的data:application/pdf;base64,...。 audio输入/输出、图片生成工具、文件搜索等高级能力取决于所选模型和当前可用能力,不保证所有模型可用。- 本页列出的字段构成当前公开 Responses 请求合同;未列出的字段不应默认视为可用。
- 当前公开推荐路径是
/openai/responses。 /v1/responses遵循相同的公开请求与响应合同。/compat/v1/responses遵循相同的公开请求与响应合同。/openai/v1/responses遵循相同的公开请求与响应合同。