跳转到主要内容
厂商： OpenAI Model ID： gpt-5-4-pro 能力： 128K 上下文 · 工具调用 · 视觉 · 流式 · 结构化输出 · reasoning_effort 计价： 按 token，pro 档（实时费率） GPT-5.4-pro 在标准 5.4 基础上为 OpenAI 的推理链开放了 reasoning_effort 调节。 在多步问题上用它 —— 在带有惯例的现有代码库里做代码生成、数学/证明任务、跨多个 子目标的规划 —— 第一稿必须组合答案，而不是随手回答。随着推理强度提高，延迟成本 增加，但在硬问题上的答案质量提升幅度比延迟看上去要大得多。

​
Request

curl https://llm.bytespike.ai/v1/chat/completions \
  -H "Authorization: Bearer $BYTESPIKE_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "gpt-5-4-pro",
    "reasoning_effort": "high",
    "messages": [{"role": "user", "content": "Implement a thread-safe LRU cache in Rust."}]
  }'

​
Body 参数

字段类型必填默认说明
modelstring是—gpt-5-4-pro
messagesarray是——
reasoning_effortstring否"medium""low" / "medium" / "high" —— 越高 = 推理链越长、延迟越高、在硬问题上质量越高。
max_tokensinteger否模型上限最大值：32768。
toolsarray否—并行 function calling。
response_formatobject否—JSON / 结构化输出。
streamboolean否falseSSE 流式。

​
Response

{
  "id": "chatcmpl-…",
  "object": "chat.completion",
  "model": "gpt-5-4-pro",
  "choices": [{"index": 0, "message": {"role": "assistant", "content": "use std::sync::..."}, "finish_reason": "stop"}],
  "usage": {
    "prompt_tokens": 32,
    "completion_tokens": 1248,
    "reasoning_tokens": 4032,
    "total_tokens": 5312
  }
}
reasoning_tokens 按输入 token 费率计费，而非输出费率。

​
代码示例

curl https://llm.bytespike.ai/v1/chat/completions \
  -H "Authorization: Bearer $BYTESPIKE_API_KEY" \
  -H "content-type: application/json" \
  -d '{"model": "gpt-5-4-pro", "reasoning_effort": "high", "messages": [{"role": "user", "content": "..."}]}'

​
reasoning_effort 选择指南

设置用于
"low"快速结构化输出，轻度推理
"medium"默认 —— 大多数多步任务
"high"你能等的硬数学 / 证明 / 多目标规划
更高设置在硬问题上单调提升质量；在多数任务上，高于 "high" 的边际收益递减。

​
流式与缓存

"stream": true 走 SSE。开启推理后，第一个响应 chunk 在推理链完成后才到来 —— 相比非推理模型，HTTP TTFB 更长。自动 prompt caching 仍生效。

​
Errors

Code触发条件是否计费
400 / 401 / 402 / 422 / 429标准否
5xx上游否（自动重试）

​
何时选用

  • 现有代码库里的多步代码生成。
  • 困难数学 / 证明 / 规划任务。
  • 不需要推理、想要更低延迟的 5.4，见 GPT-5.4。
  • 最新支持推理的旗舰，见 GPT-5.5。

​
限制

项值
上下文窗口128K tokens
最大输出32768 tokens
支持工具调用是（并行）
支持视觉是
支持流式是
支持 prompt caching自动
支持 reasoning_effort是