GPT-5.4 nano
OpenAI推出的面向低延迟、低成本场景的微型多模态语言模型，属于GPT-5系列的轻量级版本
核心事实
时间轴 (近 90 天)
在T03任务中，GPT-5.4 nano正确拒绝了错误前提并在解释里算对，但收入字段却填错为£41,250
GPT-5.4 nano在怀疑下坚持93.3%，在错误断言下仅坚持51.1%，放弃了约一半答对的内容
GPT-5.4 nano在12部片子中有7部在时代迁移到1890年代后仍保留现代物品（笔记本、电脑、手机、GPS、冰箱）
编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
在无诱饵的难核查档，GPT-5.4 nano 只有19/40两次都答对，并有65%概率选Response A；GPT-5.4 mini 选A概率66%，Grok 4.20非推理版62%，而强裁判稳定在50%
全部知识事实 (8)
测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）
65%待验证在T03任务中，GPT-5.4 nano正确拒绝了错误前提并在解释里算对，但收入字段却填错为£41,250
50%待验证GPT-5.4 nano在怀疑下坚持93.3%，在错误断言下仅坚持51.1%，放弃了约一半答对的内容
50%待验证GPT-5.4 nano在12部片子中有7部在时代迁移到1890年代后仍保留现代物品（笔记本、电脑、手机、GPS、冰箱）
50%待验证当总额被遮但每行可见时，Claude和Gemini 3 Flash全部48张算对，失败全部来自较小模型（Flash-Lite失败31%，nano失败79%），nano即便被明确要求相加也只做对12/48
50%待验证总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
50%待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为20
50%待验证在无诱饵的难核查档，GPT-5.4 nano 只有19/40两次都答对，并有65%概率选Response A；GPT-5.4 mini 选A概率66%，Grok 4.20非推理版62%，而强裁判稳定在50%
50%