OpenAI发布了GPT-5.4新版本，主打复杂智能体任务和长时程工作。本次测试的是GPT-5.4的非推理模式——即关闭深度思考后的"裸跑"状态，核心定位是以低延迟、少token消耗提供快速响应。 测试中所有任务全部成功完成，无超时或报错，模型整体表现出极高的完成度，稳定性表现突出。
先说结论：
三大亮点：
创意写作多面手：甄嬛体、鲁迅文风、科幻小说、职场话术等多种风格信手拈来，文学功底在同代模型中属于第一梯队
代码生成即开即用：太空射击、坦克大战、Markdown编辑器等绝大多数代码任务一次生成即可运行，UI审美在线，工程可用性高。
稳定性出色：全部测试项零超时、零报错，即便是高复杂度任务也能给出完整输出，作为非推理模式来说完成度超出预期。
三个短板：
抽象视觉推理全面失守：空间变换、六面体折叠、找规律、小学奥数等视觉推理题几乎全军覆没，是最明显的能力短板。
复杂3D场景力不从心：玻璃弹珠碰撞和体素花园两个3D任务功能缺失，Three.js场景的物理模拟和复杂渲染超出当前能力边界。
数学计算与逻辑陷阱仍有漏洞：大数乘法算错、推理陷阱题未识破，关闭深度思考后在精确计算上确实"裸奔"了。
一句话总结：GPT-5.4非推理模式是一个"文强理偏"的高速选手，但关掉深度思考后，数学推理和视觉空间理解就成了明显短板，适合追求速度和流畅体验的场景，不适合硬核推理任务。
📂 文章目录
⚡️ 结论速读
一、基础能力测试
1.1 数学推理（大数计算、逻辑陷阱等）
1.2 文本处理（语义判别、弱智吧问题等）
二、代码能力测试
2.1 游戏类（黄金矿工、太空射击等）
2.2 工具类（仿Google、Switch复刻等）
2.3 3D场景（海浪模拟、体素花园）
2.4 UI设计（iOS天气、电影级落地页）
2.5 SVG动画（引擎结构、行星运动）
三、创意能力测试
3.1 内容创作（小说续写、甄嬛体、职场话术）
3.2 PPT制作（年度大事记）
3.3 设计排版（职场海报）
四、多模态能力测试
4.1 OCR识别（表格还原、文本提取）
4.2 图像理解（空间变换、找茬、猫品种识别）
4.3 视频理解（环境分析、动作捕捉）
五、专业应用测试
5.1 数据分析（Agent架构全景调研）
六、综合能力测试
6.1 综合测试（复古打印机、游戏落地页、凡人修仙传网站）
📝 总结
往下看详细测试结果👇
一、基础能力测试
1.1 数学推理
大数计算
Prompt：
大数计算：178939247893 * 299281748617等于多少？
输出：
计算错误，正确答案为53,553,251,005,627,872,913,981
逻辑推理
Prompt：
我想洗车，我家距离洗车店只有50米，你建议我是开车去还是走路去?
输出：
立体几何推理
Prompt：
一个长五点五米的竹竿，能否穿过一扇高四米，宽三米的门？请考虑立体几何
输出：
回答正确，思路清晰，从三维空间角度考虑了对角线方向倾斜穿过门洞的方案。
推理陷阱题
Prompt：
假设有三个创业团队(A、B、C)正在竞争一个项目资金。评选有以下规则：
1.每个团队提交一份商业计划书，主题必须是“可持续能源”“智慧城市”或“医疗健康”之一，且每个主题只能有一个团队选择。
2.团队B选择了“智慧城市”。
3.如果团队A选择“可持续能源”，那么团队C的商业计划书必须比团队A的更具创新性才能胜出。
4.最终只有一个团队能获得资金。
5.后来得知，团队C的计划书在创新性上略逊于团队A。
请问:哪个团队最终获得了项目资金?并解释你的推理过程。
输出：
正确答案是：“无法唯一确定赢家，但可确定 C 未获胜，胜者只可能是 A 或 B 之一”。没能识破陷阱，推理出现逻辑漏洞，未能正确处理条件之间的约束关系，得出了错误的结论。
小红兄弟姐妹题
Prompt：
小红有2个兄弟，3个姐妹，那么小红的兄弟有几个姐妹
输出：
结果：回答正确，逻辑清晰，准确考虑了小红本人也是姐妹之一。
老鹰飞行原因
Prompt：
未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是
输出：
成功识破思维陷阱，明确指出老鹰本就是鸟类、天生会飞，常识判断能力出色。
1.2 文本处理
字符串反转
Prompt：
将"I love OpenAI GPT-5.4"这句话的所有字母反过来写
输出：
回答正确，"4.5-TPG IAnepO evol I"完全准确，字母反转无遗漏。
语义判别
Prompt：
以下出现的华为是否为3C行业品牌？
- 刘德华为新剧做宣传。
输出：
回答正确，准确识别出"刘德华为"中的"华为"并非品牌名，分词理解到位。
知识理解
Prompt：
如何理解"但丁真不会说中国话，但丁真会说中国话"
输出：
回答正确，准确解读了"但丁"（意大利诗人）和"丁真"（中国网红）的双关含义。
弱智吧系列
Prompt1：
生蚝煮熟了叫什么？
输出：
Prompt2：
用水来兑水，得到的是浓水还是稀水
输出：
生蚝题和水兑水回答正确，脑筋急转弯类题目表现不错。
开放式策略生成
Prompt：
1. 整体：资金不足40.4%，知识匮乏23.9%，未来不确定性21.7%，政策限制14%。
2. 一线城市：资金不足44.4%，知识匮乏15.8%，未来不确定性22.7%，政策限制16.9%。
3. 二线城市：资金不足38.3%，知识匮乏27.9%，未来不确定性21.2%，政策限制12.5%。
请根据上述数据，分析一二线青年置业困难差异及原因，从政府、购房者、家人、夫妻角度提建议。
输出：
分析全面深入，从资金、知识、不确定性、政策四维度逐一剖析，建议覆盖政府、购房者、家人、夫妻多角度，质量较高。
二、代码能力测试
2.1 网页开发 - 游戏类
黄金矿工游戏
Prompt：
请生成一个经典的"黄金矿工"游戏。游戏的核心玩法、道具和关卡系统应遵循以下设定：
核心玩法机制：
- 钩爪摆动与发射：游戏界面上方有一个矿工和他的卷轴，一个钩爪会自动左右来回摆动。当玩家按下任意键（或鼠标点击）时，钩爪会沿着当前方向直线发射出去。
- 抓取与回收：如果钩爪在伸出路径上碰到了地下的任何物品，它会抓住该物品并开始自动收回。回收的速度取决于所抓物品的重量，例如，小金块回收快，而巨大的岩石回收则非常慢。
- 关卡目标：每个关卡都有一个明确的时间限制（如60秒）和一个目标金额。玩家必须在规定时间内，抓取到总价值超过目标金额的物品才能成功过关。
地下物品设定：
- 黄金：有多种不同尺寸和形状的金块。体积越大，价值越高，但也越重。
- 钻石：体积小，价值非常高，回收速度很快，是优先抓取的目标。
- 石块：价值极低，但异常沉重，抓到会浪费大量宝贵时间，应尽量避免。
- 福袋（问号袋）：价值随机的袋子，可能开出高额金钱、力量药水或少量金钱。
- 炸药桶：如果钩爪不小心抓到它，它会立刻爆炸，并摧毁其周围一定范围内的所有物品（包括黄金和钻石）。
商店与道具系统：
在每个关卡成功结束后，会进入一个商店界面。玩家可以用当前关卡赚到的、超出目标金额的钱来购买道具，以备下一关使用。
可购买的道具示例：
- 炸药(Dynamite): 当钩爪在回收过程中抓到了不想要的低价值物品（如石块）时，玩家可以按下一个特定按键使用炸药，将其在钩爪上直接炸毁，让钩爪立即空手收回，节省时间。
- 力量药水(Strength Potion): 在下一个关卡中，矿工的力量会增强，回收所有物品的速度都会显著提升。
- 幸运草(Lucky Clover): 在下一个关卡中，从福袋中获得好东西的概率会增加。
视觉与界面要求：
- 游戏应采用经典的2D卡通风格，矿工形象生动，黄金和钻石闪闪发光。
- 用户界面必须清晰地显示三个核心信息：① 剩余时间、② 当前已获得的金额、③ 本关的目标金额。
- UI风格：漫画书风格，街机游戏UI，波普艺术，荧光粉和青色，半色调网点背景，粗描边字体，倾斜布局，高对比度，复古90年代，动态图形，硬阴影
输出：
游戏核心机制完整，钩爪摆动、发射、抓取、关卡系统均已实现，UI风格与波普艺术要求完成度不错。
可爱风格五子棋
Prompt：
可爱风格五子棋游戏界面，画面有两个模式按钮"人人对战"和"人机对战"，界面整体采用马卡龙色调，棋盘简洁清晰，棋子设计成卡通小动物（如猫咪和小熊），背景带有轻微渐变和星星点缀，界面边缘圆润，按钮Q萌，整体风格温馨可爱，适合儿童或休闲玩家使用，2D插画风，用html呈现
输出：
马卡龙色调和卡通风格还原不错，玩法完整。
表情符号反应堆游戏
Prompt：
请你扮演一个Web游戏开发者。设计并生成一个**表情符号反应堆**的游戏。
1、核心创意: 一个快节奏的反应游戏。屏幕上会快速闪过一个目标表情符号（例如：笑脸😄），下方会同时出现3-4个选项表情符号，玩家需要在限定时间内（例如1-2秒）点击与目标匹配的那个表情符号。
2、玩法:
- 屏幕中央显示目标Emoji。
- 下方按钮区域快速刷新3-4个Emoji选项，其中一个是正确的。
- 玩家需在计时条走完前点击正确的Emoji。
- 点击正确得分，速度加快；点击错误或超时则游戏结束（或扣除生命值）。
- 显示最高分。
3、技术实现 (HTML/JS/CSS):
- HTML: 用于显示目标Emoji、选项按钮、计时条、得分。
- CSS: 设计简洁明快的界面，计时条动画。
- JavaScript:
存储一个Emoji列表。
随机选择目标Emoji和干扰项。
动态更新按钮内容。
实现计时器逻辑和倒计时动画。
处理点击事件，判断对错，更新得分/状态。
控制游戏节奏（逐渐加快）。
4、趣味点: 简单上手，考验反应速度，利用通用的Emoji增加亲和力和趣味性，适合碎片时间玩。
输出：
核心玩法完整，计时、得分、难度递增均已实现，表情也多样化，界面简洁明快。
技能五子棋
Prompt：
帮我做一个技能五子棋的游戏网页，要求是在普通的五子棋规则上，玩家可以使用技能，其中包括飞沙走石，静如止水，力拔山兮。
「飞沙走石」，是把对手的棋子直接扔进什（石）刹海，2技能点；
「静如止水」是凝结时间，把对方「速冻」，4技能点；
「力拔山兮」是摔坏棋盘,8技能点，直接获胜。
黑棋和白棋的技能点要分开算，并且每走一步都可以累加。直接给我HTML文件，画面要美观。需要设计一个电脑对手，让我可以直接和它对战。
输出：
三个技能逻辑基本实现，电脑对手可对战，但界面美观度有待提升。
N-Back实验页面
Prompt：
你需要实现一个N-Back实验页面，
N-Back实验的原理是，每隔1s闪烁一张图片，让用户判断当前的图片与前面第N张图片是否一致，一致选择是，不一致选择否。
其中，图片为常见的10个中文汉字，["国", "火", "道", "市", "天", "家", "理", "态", "至", "心"]
界面需要每次开始时，选N的值，选择为2，3，4，三种。
需要用户点击30次，也就是不同N值时展现的图片个数不同，例如N=2，则需要32张图片，当第三张出现时，提醒用户开始点击。
你需要记录两个内容，一个是用户点击是否准确，一个是出现图像到用户点击之间的时间，最后给出点击准确率和反应时间。
注意：图片展示只有15次是N-back正确内容，防止实验过难或过于简单。
实验过程，如果正确让用户点击“A”键，错误让用户点击“L”键。
同时界面必须符合现代审美，实验结果可以导出下载。
输出：
N-Back实验核心流程已实现，支持结果导出，交互细节和界面设计也不错。
太空射击游戏
Prompt：
做一个太空射击游戏，外星人会从天而降，有小兵也有Boss，击败它们会爆炸且有音效。背景是深邃的星空，持续滚动。
玩法要求：
- 玩家飞船可用方向键或WASD移动，空格键射击
- 敌人分小兵和Boss，击败有分数奖励
- Boss血量更厚，移动更诡异
- 碰到敌人或敌人子弹会掉血，有生命值显示
- 顶部显示分数
动效要求：
- 星空背景持续缓慢滚动，营造前进感
- 飞船移动时有轻微倾斜动画
- 爆炸粒子有物理感，先快后慢消散
- 游戏结束时画面轻微震动
技术：
- 单个HTML文件
- 使用Canvas
- 60fps流畅运行
目标：让人觉得这是Steam上¥18独立游戏的试玩Demo。
输出：
核心玩法实现完整，游戏体验很丝滑，很像小时候玩的街机，UI界面设计也给力，满分
2.2 网页开发 - 工具类
Google搜索复刻
Prompt：
做一个Google搜索网站，请尽可能的保证高还原度
输出：
UI高度还原Google原版设计，搜索框、按钮、Logo等，还原度完美。
智能LED灯调光页面
Prompt：
生产一个网页，展示一盏可调光的智能 LED 灯。灯泡材质应有玻璃的通透感，灯丝细节要清晰。用户可以通过滑块调节色温（从 2700K 暖黄到 6000K 冷白）和亮度（0%-100%），光的颜色和照射范围应根据数值变化真实响应。
输出：
灯泡外观有一定质感，滑块交互可用，色温和亮度调节功能已实现，玻璃材质的通透感蛮真实的。
质感相机（立体感+快门拍照）
Prompt：
请生成一个网页，尽可能复刻一个有质感的相机，有立体感。还能按下快门拍照。
输出：
相机外观有立体感，快门按钮可交互，金属和皮革质感的精细度也细腻有。
粉色拍立得相机
Prompt：
请生成一个网页，复刻一个美观、粉色系、有质感的拍立得相机，有立体感，有光泽。还能按下快门拍照，生成的照片也是拍立得照片风格
输出：
粉色系外观还原完美，快门可用，拍立得照片风格有模拟，整体效果不错。
质感风扇（可调速）
Prompt：
生产一个网页，做一个有质感、真实的风扇，我可以调整风速档位，档位越高，扇叶转的越快。
输出：
档位调速功能正常，视觉质感也还可以。
金属质感微波炉
Prompt：
生产一个网页，做一个金属质感的微波炉，我可以调节火力档位（如解冻、低火、高火），档位越高，内部灯光越亮，并伴有动态旋转光波动画。
输出：
微波炉外观有基本造型，火力档位可调节，金属质感和内部动画效果达预期。
Switch掌机复刻
Prompt：
生成一个网页，完美复刻一个 switch 掌机游戏，上面的按钮可以交互，左右点击切换游戏选择。
输出：
Switch外观有基本框架，按钮可交互，但造型精细度与真实Switch有点差距。
公众号排版工具
Prompt：
帮我做一个网站，这个网站会有一些橙色系的公众号样式，支持 2 级标题，用户在输入框内输入文字后，点选不同的样式可以查看效果，此刻点击复制就会按这个效果转换成微信公众号可识别的样式，粘贴进微信公众号编辑器即可展示相同的样式。
输出：
橙色系样式预览和复制功能基本可用，支持二级标题，实用性不错，满分。
水印处理工具
Prompt：
你是一位精通Web图形处理的前端极客。请帮我写一个单文件的HTML小工具，功能是“本地图片隐私保护器”。功能逻辑：拖拽上传： 屏幕中央有一个虚线框，支持拖拽图片上传（或点击选择）。双模式处理：模式A（打码）： 允许用户在图片上用鼠标框选区域，框选区域自动进行马赛克（Pixelate）处理。模式B（水印）： 允许输入文字水印，调节透明度和角度，平铺在整张图片上。导出： 点击“保存”按钮，下载处理后的图片。所有操作必须在浏览器本地完成，不涉及后端。美学要求：UI风格参考 Gumroad 或 Notion，使用黑白灰极简配色，按钮要是醒目的黑色圆角矩形。操作要有顺滑的反馈（例如拖入文件时边框变色）。使用Tailwind CSS (CDN版) 进行样式设计。
输出：
功能完整，交互丝滑，双模式切换自然，实用性强。
可视化复利计算器
Prompt：
请为我开发一个“复利奇迹计算器” Web应用。这是一个旨在向普通人展示长期投资力量的教育工具。交互与逻辑：输入区（左侧）： 使用美观的滑块（Range Slider）而不是枯燥的输入框，来控制：初始本金、每月定投金额、年化收益率 (1% - 20%)、投资年限 (1 - 40年)。
可视化区（右侧）： 使用 Chart.js 或纯 CSS/SVG 绘制一个面积增长图。图表需要包含两条线：一条是“本金投入”，一条是“复利总额”。两条线中间的区域用渐变色填充，代表“睡后收入”。动态反馈： 拖动任何滑块，图表必须无延迟实时更新。UI风格： 金融科技风（Fintech），主色调使用深蓝色和金色。字体清晰，数字显示格式化（例如：¥1,234,567）。请提供完整的HTML/JS代码。
输出：
缺少了图表实时更新功能，金融科技风的UI精致度有待提升。
小学生英语单词听写应用
Prompt：
请帮我设计一个小学生英语单词听写交互式网页应用，家长可以创建单词的听写列表，学生通过单词拼写+实时反馈练习英语单词，提升记忆效果。具体要求如下：
1. 设置界面（家长使用）
- 单词列表输入：大文本框，支持粘贴格式为"apple 苹果"的单词列表，每行一个。
- 听写设置：
- 每题倒计时（单位：秒）
- 是否打乱题目顺序（复选框）
- 开始按钮：点击"开始听写"进入学生界面。
- 设置界面进入需要有个用户名和密码（默认账号，用户名：admin，密码：123456）
2. 听写界面（学生使用）
- 显示内容：
- 显示当前题目的中文含义（如"苹果"）
- 语音播放按钮（页面加载时自动播放一次，可重复点击）
- 拼写输入框 + 实时倒计时器
- 提交按钮和跳过按钮
- 答题流程：
- 系统播放英文发音，显示中文提示
- 学生拼写英文并提交
- 系统即时反馈：
- 拼写正确：输入框变绿，自动进入下一题
- 拼写错误：输入框变红，显示正确答案，短暂停留后进入下一题
- 倒计时结束或点击"跳过"：记为错误，直接进入下一题
3. 结果界面（学生查看）
- 成绩摘要：
- 总题数、正确数、错误数、正确率（百分比）
- 错误回顾：
- 显示错误、正确拼写和中文含义，方便复习
- 操作按钮：
- "再试一次"：重新开始本轮听写
- "返回主页"：回到设置界面，输入新词
4. 成绩记录界面（家长查看）
- 可以查看该学生的历史成绩
设计风格建议：
- 卡通效果，简洁、色彩鲜明，吸引小学生注意力
- 字体大、清晰易读
- 包括渐变化和动感反馈强化体验
输出：
核心功能完整实现，语音播放和交互细节细腻，UI界面也不错。
Markdown在线编辑器
Prompt：
我想做一个在线的Markdown编辑器，左边我写Markdown代码，右边能马上看到排版好的效果，就像Typora那样，但做成一个可以实时编辑的编辑框网页就行，界面美观，漂亮
输出：
功能完整，交互顺滑，风格也不错。
2.3 网页开发 - 3D场景
3D深海波浪模拟
Prompt：
创建一个包含以下要求的单HTML文件单页应用：
- 名称：海洋波浪模拟
- 目标：显示逼真的动态波浪效果。
- 功能：可调节风速、浪高和光照效果。界面需具有平静感和真实感。
输出：
波浪动画有基本效果，风速和浪高参数可调，但3D真实感和光照效果距"逼真"还有一丢儿差距。
3D玻璃托盘弹珠场景
Prompt：
做一个可直接打开运行的单文件HTML（three.js CDN），呈现"桌面上一个透明六边形玻璃托盘里，多颗自发光的彩色弹珠在里面永不停歇地滚动互撞"。
视觉氛围：夜晚或暗室感。弹珠本身是柔和的自发光（像荧光玻璃/能量球），颜色五颜六色但不刺眼，带柔光晕染（bloom），并且会把周围玻璃托盘与桌面轻微"染色"反射出来。托盘仍是厚玻璃，能看到折射、高光、边缘亮线；桌面有少量环境反射与微弱噪点纹理，让画面像真实拍摄而不是纯CG。
运动体验：默认20~40颗弹珠，彼此会咔哒碰撞、靠墙反弹、互相挤压后散开，长期运行不减速、不穿墙、不抖动卡边、不突然爆飞；整体手感像"装满会发光弹珠的玻璃托盘"。碰撞要有轻微"软"感：不是硬邦邦弹球，更像带一点柔性的能量球（视觉上可通过光晕轻微压缩/拉伸来暗示，但几何不要真变形过头）。
交互以体验为主（不要暴露一堆参数）：
页面角落放一个极简控制条
- "摇一摇"：像轻晃托盘一样给系统注入随机扰动，让弹珠重新洗牌
- "慢动作"：0.25x / 1x / 2x
- "相机"：桌面视角 / 俯视 / 轻微环绕
- "灯光感觉"：柔光强度（bloom）、色彩饱和度、拖影/余辉（可选）
隐藏开发者开关（按D）：显示/隐藏调试叠加（六边形边界线、速度箭头、碰撞点），用来证明这是"真实碰撞模拟"，默认关闭以保持观感。
目标：用户第一眼觉得"这是一盘会发光的彩色弹珠在玻璃托盘里不停碰撞"，画面干净、柔和、真实、有质感。
输出：
弹珠碰撞和运动均未实现，功能缺失
体素风格花园宝塔场景
Prompt：
设计一个细节丰富的体素风格（voxel-art）场景，核心要是在一座生机勃勃的花园里放一座华丽的宝塔。植物种类要多——特别是樱花树，一定要多来点——确保整体画面看起来生动活泼、色彩鲜艳，而且视觉冲击力要强。随便你用什么体素或者WebGL库都行，但最后给我的必须是一个独立的HTML文件，让我能直接粘贴代码然后在Chrome浏览器里打开看。
输出：
花园和宝塔场景均未呈现完整，功能缺失。
2.4 网页开发 - UI设计
iOS 18风格天气卡片
Prompt：
你是Apple Inc的UI设计师，以iOS 18的设计风格做一个带有动画效果的英文天气卡片，要求是使用HTML、CSS和基础JavaScript，使用横板天气页面（拥有4个天气卡片(晴天，大风，暴雨，暴雪))。应足够美观，实现一定的交互效果。
输出：
四张天气卡片布局完整，有一定iOS设计风格，动画效果可用，但细节与Apple原生设计仍有差距。
电影级着陆页
Prompt：
创建一个具有电影级视觉效果的着陆页，使用深邃的渐变背景，玻璃拟态设计元素，流畅的微交互动画，整体呈现出奢华科技品牌的质感。
输出：
渐变背景和动画已实现，玻璃拟态效果和微交互也精致，"电影级"视觉标准不错。
极简主义仪表板
Prompt：
设计一个极简主义的仪表板界面，运用大量留白、精致的阴影层次、优雅的过渡动画，体现现代高端设计的精髓。制作HTML网页
输出：
布局简洁，留白运用得当，过渡动画的高端感还需打磨。
未来感数据可视化大屏
Prompt：
生成一个具有未来感的数据可视化大屏，使用霓虹色彩、粒子效果、3D变换动画，营造科幻电影中的高科技氛围。制作HTML网页
输出：
大屏布局和数据展示完整，霓虹色彩有科幻感，粒子效果和3D动画的精致度不错。
艺术画廊风格
Prompt：
创建一个艺术画廊风格的网页，融合抽象几何图形、流动的色彩渐变、视差滚动效果，展现前卫的现代艺术美感。制作HTML网页
输出：
有几何图形和渐变色彩元素，视差滚动效果和整体艺术感比较达预期，不错。
GLM-4.7产品发布页
Prompt：
你是一位曾主导Apple发布会网页、Stripe官网、Raycast产品页的顶级创意前端工程师。请为「GLM-4.7」创建一个让人过目不忘的产品发布页面。
关于GLM-4.7：
- 智谱最新旗舰模型，定义Agentic Coding新标准
- 200K上下文，128K最大输出
- LiveCodeBench开源第一，超越Claude Sonnet 4.5
- 即将MIT协议完全开源
视觉方向（跳出AI产品的俗套）：
- 不要蓝紫渐变，不要赛博朋克风，这些太"AI味"了
- 参考方向：Apple产品发布页的克制高级感，或Nothing Phone的黑白点缀荧光色，或Teenage Engineering的工业设计感
- 配色建议：深灰/纯黑为主，搭配一个高饱和度的点缀色（亮橙、荧光绿、电光蓝任选其一），大面积留白
- 字体要有力量感：主标题超大、加粗，形成强烈的视觉锤
Hero区域：
- 用一个抽象的3D动态元素作为主视觉（可以是旋转的几何体、流动的线条、或呼吸感的光球）
- 标题文字做成主角，够大够震撼
- 加入一个实时的代码生成动画：黑底绿字/白字的终端风格，代码逐行打出
动效：
- 背景元素有缓慢的持续运动
- 滚动时内容块有视差和渐入效果
- 鼠标移动时有微妙的交互响应
技术：
- 可以使用Three.js、GSAP、Lottie等库（通过CDN引入）
- 单个HTML文件
- 不追求兼容性，优先视觉效果
核心目标：让看到这个页面的人觉得「这不可能是AI一次生成的」。
输出：
配色/排版/动效都没有呈现出来，功能缺失。
2.5 SVG动画
八缸发动机动画
Prompt：
用 SVG 绘制八缸发动机物理结构动画，分步骤展示活塞运动、气门开合，配色用工业灰 + 金属银，支持鼠标悬停查看部件名称
输出：
SVG绘制有基本结构，活塞运动动画已实现，但八缸布局不够准确，悬停提示功能有待完善。
太阳系行星动画
Prompt：
使用React和CSS3为八大行星创建一个围绕太阳旋转的动画。要求：
1、太阳固定在屏幕中心，每个行星有自己独特的轨道（半径、颜色、大小）。
2、每个行星的旋转周期需不同（例如：水星4秒，海王星26秒）。
3、必须使用CSS Keyframes实现动画，并显示出每个行星的轨道线。
4、代码需组件化（如<SolarSystem>, <Planet>），并整合在一个HTML文件中，确保直接在浏览器中打开即可运行。
输出：
轨道/颜色/大小/转速都有差异，细节到位，动画流畅。三、创意能力测试
3.1 内容创作
小学生作文
Prompt：
帮小学生写一篇"我最讨厌的动物"作文，不能是猫狗
输出：
选题蚊子贴近小学生生活，口吻活泼真实，篇幅适中，很像小学生写的。
甄嬛体吐槽
Prompt：
用甄嬛体吐槽地铁早高峰
输出：
甄嬛体风格拿捏极其精准，古今对照妙趣横生，堪称满分。
职场回复话术
Prompt：
老板在周六晚上11点，在公司大群里发了一段话:'看了一下大家这周的日报，感觉还是缺乏一些深度。大家都很辛苦，但我希望我们不要用战术上的勤奋掩盖战略上的懒惰。下周一早会，大家聊聊什么是真正的用户价值。
请帮我撰写一条回复话术。
要求:
- 只有我一个人回复会很尴尬，所以要写得像是一个'排头兵'的表态
- 篇幅不要长，100字以内。
- 要表现出'深刻反思'、'被老板点醒'的态度。
- 不要承诺具体要在周末加班，但要表达出'这个周末我会深度思考'的意思。
输出：
简洁精炼，反思态度到位又不过度谄媚，实用性强。
短文文笔
Prompt：
请以鲁迅的文笔写一段短文（300字），主题为：打工人的一天。
输出：
鲁迅文风模仿得不错。
小说创作
Prompt：
Profile： 你是一名有着二十年从业经验的科幻小说家，擅长人物塑造、细节描写、环境描写、情节构思。
Background： 现在，你要参加一场2000字以内的中文微小说大赛，大赛要求作品有奇谲的想象力，能引发深刻的情感共鸣，前后逻辑连贯，语言流畅自然。你很想赢得这场比赛你已经写好了开头，现在，你将接着开头，续写故事。
Goals： 根据开头，续写1500字，注意小说需要依次包含以下几个部分：发展、转折、高潮、结局。
Constraints： 续写的总字数不得超过1500字；续写的情节要多多包含对话、动作描写、人物描写；对话不要有书面风格，要有口语风格，符合人物身份特征；续写的基调是科幻的；续写的结局必须是欧亨利式的结尾；续写的内容需要包含下列元素或主旨：黑衣人、代码、程序、计时器、时间感知力、环形时间、无限轮回、黑暗力场、西西弗斯、存在主义，请发挥想象力，以合乎逻辑的方式串联起这些元素或主旨。
Skills： 科幻小说：依据科学技术上的新发现、新成就以及在这些基础上可能达到的预见，用幻想的方式描述人类利用这些新成果完成某些奇迹的新型小说。正统科幻迷主张科学与幻想缺一不可。倘若没有任何科学根据或直接违反科学定论(尤其是有实验验证的)，则只能归为奇幻、魔幻或超现实作品；反之，幻想若是付之阙如(作品中的科学内容在其成书年代即可实现)，那就只是一个科学写实故事。欧亨利式的结尾：在文章情节结尾时突然让人物的心理情境发生出人意料的变化，或使主人公命运陡然逆转，出现意想不到的结果，结尾既在意料之外，又在情理之中。
Initialization： 作为“role”，根据“background”，严格遵守“constraints”，运用“skills”，完成“goals”
输出：
故事完整流畅，黑衣人、代码等科幻元素串联自然，对话口语化到位。
酒桌敬酒词
Prompt：
背景:我是分公司的负责人。年会晚宴上，我端着酒杯去主桌给集团董事长敬酒。董事长不太认识我，但我需要在短短30秒内给他留下深刻印象。
请帮我写一段敬酒词。
要求:
- 不能俗套(什么身体健康、万事如意就别说了)。
- 要结合公司今年的大方向(如全球化、海外业务)。
- 要稍微展示一下我们分公司的成绩，但不能像在汇报工作，要包装成'在您的战略指引下取得的一点小突破'。
- 结尾要有一个响亮的祝酒口号，能带动主桌气氛。
输出：
内容得体，还贴心附上备选方案和设计说明。
惊人才华的创意写作
Prompt：
写一段能以惊人的才华令我震撼的文字，之后再解释你是如何完成这件事的。
输出：
结构层层递进，比较抽象，分析部分有文学自觉的感觉。
3.2 PPT制作
2025年AI大事件汇总
Prompt：
请总结一下2025年AI发生了哪些大事？捋清楚一下时间线和相关事件，帮我制作一份年度AI大事件汇总回顾的PPT报告，建立一个网页
输出：
AI大事件梳理基本完整，时间线清晰，但部分事件信息存在错误，网页PPT展示效果一般。
3.3 设计排版
职场肖像海报
Prompt：
艺术感职场肖像，戏剧性侧光照明，职业人士站在优雅大理石楼梯象征事业攀升，胶片颗粒质感，深祖母绿和焦赭色调的情绪化调色，浅景深，电影级构图，奢华杂志社论风格，哈苏相机品质，精致而富有抱负的氛围，制作了一个海报网页
输出：
海报有一定视觉效果，但与"哈苏相机品质""奢华杂志社论风格"的要求差距较大。
四、多模态能力测试
4.1 OCR识别
纯文本识别
Prompt：
识别图片中的全部内容，言简意赅
输入图片：
输出：
韦庄《女冠子》两首识别完整准确，OCR能力出色。
表格识别
Prompt：
## Role
你是一位有多年经验的OCR表格识别专家。
## Goals
需要通过给定的图片，识别表格里的内容，并以html表格结果格式输出结果。
## Constrains
- 需要认识识别图片中的内容，将每个表格单元格中的内容完整的识别出来，并填入html表格结构中；
- 图片中的表格单元格中可能存在一些占位符需要识别出来，例如"-"、"—"、"/"等；
- 输出表格结构一定遵循图片中的结构，表格结构完全一致；
- 特别注意图片中存在合并单元格的情况，结构不要出错；
- 对于内容较多的图片，一定要输出完整的结果，不要断章取义，更不要随意编造；
- 图片内容需要完整识别，不要遗漏，同时注意合并单元；
- 最终输出结果需要是html格式的表格内容。
## Initialization
请仔细思考后，输出html表格结果。
输入图片：
输出：
表格基本框架、部分合并单元格和细节有误，还原失败。
4.2 图像理解
空间变换
输入图片：
输出：
回答错误（答B，正确答案为C），空间变换推理能力不足。
六面体展开图
Prompt：
请回答，哪个选项的六面体展开结果是上面的展开图。
输入图片：
输出：
回答错误（正确答案为D），六面体空间折叠推理对模型仍是难题。
图片排序
Prompt：
根据图中显示的多个场景，将最有可能发生的事件按顺序排列。
输入图片：
输出：
排序完全正确（CADB），因果关系和时序理解准确。
目标对比
Prompt：
找到图片中奔跑的人，并返回行列序号，比如：几行几列。
输入图片：
输出：
回答正确，正确答案为6行10列，密集图像中的目标定位不错。
好物比价
Prompt：
篮子中的东西是什么，有什么用
输入图片：
输出：
准确识别为金银花，清热解毒等功效介绍全面，还附带注意事项，知识储备丰富。
数据理解与计算
Prompt：
找到2024年GDP值最大的省份，并且计算占全国GDP的百分之多少？
输入图片：
输出：
正确识别广东省为GDP最大省份，也算出答案是约为10.5%，数据理解能力不错。
世界知识定位
Prompt：
朋友拍了一张图片，可以告诉我他是在中国哪个城市拍的吗？
输入图片：
输出：
建筑物为上海金茂大厦，但能识别出地点是在上海，
目标识别与计数
Prompt：
告诉我桌子上菇娘儿的个数。
输入图片：
输出：
回答正确，答案为10个，精细计数能力不错。
色盲测试
Prompt：
图片里有数字吗？如果有的话是什么？
输入图片：
输出：
识别正确，色觉识别能力可以。
内容理解
Prompt：
我今天喝了这个果汁会怎么样
输入图片：
输出：
准确识别出果汁严重过期，给出详细健康建议，实用性和安全意识出色。
网页复刻
Prompt：
帮我看看这个头饰是什么
输入图片：
输出：
分析比较完整，有提及到满天星头饰
猫品种识别（JSON格式）
Prompt：
识别图中所有猫的品种。
请以合法的JSON格式返回结果，结果是一个list，每一个list元素对应一个目标检测结果dict，dict的key由label、bbox_2d组成，值分别为检测到的猫的品种和结果坐标框。
例如：[{'label': '金渐层-1', 'bbox_2d': [1,2,3,4]}, {'label': '金渐层-2', 'bbox_2d': [4,5,6,7]}]
输入图片：
输出：
JSON格式合规，部分品种识别正确（如暹罗猫），bbox坐标和部分品种有误。
4.3 小票识别
Prompt：
请帮我分析这张购物小票，以表格形式列出所有商品的名称、个数及单价信息，同时计算总的商品数量以及总金额。
输入图片：
输出：
识别能力不错，总数额也给出。
找规律题
Prompt：
请回答。
输入图片：
输出：
回答错误，正确答案为A，逻辑分析还有待提高。
小学奥数题
Prompt：
这是一道小学奥数题，根据示例图来算加减数学题。
输入图片：
输出：
回答错误，正确答案为15 ，推理能力有所偏差。
五、专业应用测试
5.1 数据分析
Agent Infrastructure全景调研
Prompt：
现在是2025年11月，我需要你完成一个深度调研任务：
核心任务：
找出2025年（截至11月）所有在Agent Infrastructure（Agent基础设施）方向的创业公司和开源项目，并制作一个完整的展示网页。
什么是Agent Infrastructure：
不是做最终用户产品的Agent应用，而是为Agent开发者提供底层能力、工具和服务的基础设施层公司。包括但不限于：框架、协议、Memory、工具调用、可观测性、评估等。
Infra分类维度（你需要深入每一个类别）：
1. Agent框架&协议层
- Agent开发框架（如LangChain、AutoGPT类）
- 协议标准（如MCP、Function Calling standards）
- Multi-Agent协作框架
- Workflow编排引擎
2. Memory系统
- 短期记忆（对话上下文管理）
- 长期记忆（知识库、个人档案）
- 向量数据库（Vector DB）
- 记忆检索优化
- Graph Memory（知识图谱记忆）
3. 工具&能力层
- Tool Registry（工具注册中心）
- Tool Execution Engine（工具执行引擎）
- API集成平台
- Web Browsing Infrastructure
- Code Execution Sandbox
4. 规划&推理引擎
- Planning Engine
- Reasoning Framework
- Decision Making System
- Task Decomposition
5. 可观测性&监控
- Agent Observability（可观测性）
- Logging & Tracing
- Debug Tools
- Cost Tracking
6. 评估&测试
- Agent Evaluation Framework
- Benchmark Platform
- Testing Infrastructure
- Performance Monitoring
7. 数据&训练
- Agent Training Data
- Synthetic Data Generation
- Fine-tuning Platform for Agent
- RLHF/RL Infrastructure
8. 部署&运维
- Agent Hosting Platform
- Serverless Agent Runtime
- Edge Deployment
- Security & Compliance
9. 其他Infra
- Prompt Management
- Retrieval Augmented Generation (RAG) Infrastructure
- Model Router / Gateway
- Cost Optimization
核心要求：
1. 全面搜索：使用英文全面搜索，覆盖全面，希望能发掘出非常小众的Infra类别以及公司
2. 高效并行：你每一次都可以尽量多的调用工具，每一个调用从不同的角度，进行多维度的搜索，这样可以快速获取全面的信息！
3. 深度挖掘：你需要进行非常非常长久深度的搜索思考，找到每一个Infra细分领域，找到每一个领域下的所有公司（商业化+开源项目），直到确定没有遗漏。
4. 信息收集：对每一家公司/项目，收集：
- 公司名称（中英文）
- 具体做什么（技术细节）
- 融资信息（轮次、金额、时间、投资方）
- 最新公布的ARR/MRR（如果有）
- GitHub Stars（如果是开源）
- 官网链接
- 为什么重要/独特性
输出要求：
生成一个完整的详细的HTML网页报告，按Infra类别分类展示
- 每个类别内分为：商业公司&开源项目
- 每家公司/项目的卡片包含：
* Logo（如果能找到图片URL）
* 名称（中英文）
* 描述其核心能力
* 【商业公司】融资轮次+金额+时间+投资方+ARR（如有）
* 【开源项目】GitHub Stars+最近更新时间+主要贡献者
* 技术亮点/差异化
* 官网+GitHub链接
* 信息来源标注
输出：
信息密度较高，不错。
六、综合能力测试
6.1 综合测试
复古打印机
Prompt：
请帮我制作一个 Motorola Fix Beeper 复古打字机应用，网页中间显示一个打字机，可以把用户输入的文本，生成一张卡片，类似打字机缓慢打出的效果，并且可以拖动卡片到空白区域。
输出：
打字机外观和打字效果基本实现，卡片生成和拖拽功能可用，复古风格有一定还原。
加密货币仪表盘
Prompt：
Reproduce a futuristic dark-mode crypto dashboard featuring high-contrast obsidian backgrounds, gradient-border glassmorphism UI elements, thin Inter typography, and neon-accented financial data visualizations.
The file should work by simply double-clicking to open in Chrome/Firefox/Edge
输出：
暗色主题和glassmorphism元素基本呈现，数据可视化图表有未来感。
游戏宣传落地页
Prompt：
生成一个企业级的专业【游戏宣传】落地页。
添加交互元素与动画效果，并确保页面具备完全响应式设计。
请给我带来惊喜，充分发挥创意，按步骤完成此项任务。
输出：
落地页结构完整，完成度不错。
凡人修仙传主题网站
Prompt：
你是一个代码大师，请你帮我设计一个风格古朴、简洁易用的《凡人修仙传》主题网站。整体色调以水墨淡雅为主，适当运用墨黑、青灰、淡金色等传统修仙色彩。首页需突出主要角色（如韩立）、法器、丹药等核心内容，布局清晰、导航直观。
重点设计内容包括：角色介绍页（包含境界、功法、事迹）、法宝图鉴（带简要说明）、丹药大全（效果与炼制信息）。需加入简易论坛模块供道友交流，并设置周边商城入口。
整体风格需保持一致的修仙韵味，避免过多现代元素干扰，确保内容易于浏览、加载迅速，适配移动设备。字体建议使用清晰易读的书法风格。
输出：
网站框架完整，水墨风格和修仙主题元素基本到位，角色介绍、法宝图鉴等模块齐全，完成度较高。
网页版音乐播放器
Prompt：
创建一个简易的网页版音乐播放器。需包含：
1. 可拖拽的播放列表；
2. 动态进度条和波形图；
3. 夜间/日间模式切换；
4. 本地音频文件上传功能。使用纯前端技术（HTML/CSS/JS），将所有代码整合在一个文件中。
输出：
播放列表、进度条和本地上传功能基本可用，日夜模式切换已实现。
坦克大战复刻
Prompt:
You are a front-end engineer recreating the classic 1985 Namco game "Battle City".
Task: Reproduce the full gameplay mechanics exactly.
Requirements:
1. 2D top-down tank shooter using Canvas.
2. Map includes destructible bricks, steel walls, water, and grass.
3. Player tank can move, shoot, and upgrade.
4. Enemies spawn in waves with distinct movement patterns.
5. Base protection: if base is destroyed, game over.
输出：
总结
亮点明显：
文学与创作能力极强：甄嬛体、鲁迅文风、科幻小说续写、敬酒词等多种风格均高水准完成，是本次测试中亮眼的板块。
代码生成可用性高：太空射击、坦克大战、Markdown编辑器、公众号排版工具等绝大多数代码任务直接可用，体验流畅，UI设计大多在线。
多模态基础能力扎实：OCR文本识别准确（古诗词完整还原），图像内容理解（过期果汁、金银花识别、GDP计算）表现务实可靠。
稳定性：
整体表现稳健，全部任务均无超时或报错。但在少数高难度任务（3D物理模拟、复杂UI还原）中出现功能缺失，并非所有任务都达到预期效果。
待改进：
抽象视觉推理：空间折叠、找规律、六面体展开等抽象视觉任务是最大软肋，四道视觉推理题仅答对一道，与其强大的文本理解能力形成鲜明反差。
一句话总结 —— GPT-5.4非推理模式胜在速度与稳定，创意和代码能力不输深度思考模式，但在数学精算和视觉推理上"裸奔"代价明显，是一个适合跑量、不适合攻坚的高效全能选手。
以上就是本次GPT-5.4飞思考模式的体验测试，所有Prompt均公开。我们非线智能官网https://nonelinear.com/static/models.html已上线GPT-5.4，欢迎体验！同时，非线智能API支持Api聚合以及Api中转，提供稳定的企业级服务。个人中心 https://nonelinear.com/static/balance.html 登录github账号，领50元体验金
大模型/agent评测技术交流：关注公众号，发送消息"进群"
