OpenAI hat GPT-5.4 veröffentlicht: Was sich 2026 geändert hat

Am 5. März 2026 hat OpenAI GPT-5.4 veröffentlicht – gleichzeitig in ChatGPT, API und Codex.

Dies ist kein weiteres inkrementelles Update: Das Modell vereint erstmals die Coding-Pipeline von GPT-5.3-Codex

mit allgemeinem Reasoning, erhält native Computernutzung und ein Kontextfenster von bis zu 1M Token.

Kurz gesagt: Wenn Sie Agenten-Workflows oder Coding-Tools entwickeln –

ist dies ein Release, auf das Sie heute achten sollten.

📚 Inhalt

• 📌 Was veröffentlicht wurde und wann
• 📌 3 Hauptänderungen für Entwickler
• 📌 Schneller Vergleich mit Wettbewerbern
• 📌 Was jetzt zu tun ist
• 📌 Möchten Sie tiefer eintauchen?

🗓️ Was veröffentlicht wurde und wann

OpenAI hat GPT-5.4 offiziell angekündigt

am 5. März 2026. Das Modell ist sofort auf drei Oberflächen verfügbar:

• ChatGPT – als GPT-5.4 Thinking für Plus-, Team- und Pro-Benutzer (ersetzt GPT-5.2 Thinking). GPT-5.2 Thinking bleibt bis zum 5. Juni 2026 in den Legacy Models.
• API – die Endpunkte gpt-5.4 und gpt-5.4-pro sind ab sofort verfügbar
• Codex – wird zum Standardmodell und ersetzt GPT-5.3-Codex

GPT-5.4 Pro ist über die API und für ChatGPT Pro ($200/Monat) sowie Enterprise-Pläne verfügbar.

Kostenlose Benutzer erhalten Zugriff auf GPT-5.4 durch automatische Anfragenrotation, laut

VentureBeat.

⚙️ 3 Hauptänderungen

1. Kein Wechsel mehr zwischen GPT-5.x und Codex erforderlich

Vor dem Release von GPT-5.4 sah die Standardarchitektur einer Agenten-Pipeline mit gemischten Aufgaben

wie folgt aus: GPT-5.2 für Planungs- und Reasoning-Schritte, GPT-5.3-Codex für Generierung

und Code-Ausführung. Jeder Wechsel zwischen Modellen bedeutete einen separaten API-Aufruf, eine separate Kontextverwaltung,

unterschiedliches Verhalten in Grenzbereichen und verschiedene Feinabstimmungsparameter.

Bei langen Agenten-Trajektorien führte dies zu einem erheblichen Overhead in Bezug auf Latenz und

Code-Komplexität.

GPT-5.4 eliminiert diesen Bedarf. Laut

OpenAI,

ist dies das erste Mainline-Reasoning-Modell, das die Frontier-Coding-Fähigkeiten

von GPT-5.3-Codex in einem einzigen Gewichtssatz vereint – ein Ergebnis der Zusammenführung von Trainings-Stacks, nicht der Routing-Logik.

In der Praxis bedeutet dies:

• SWE-Bench Pro: 57.7% vs 56.8% bei GPT-5.3-Codex – GPT-5.4 reproduziert die

  Coding-Performance des Codex-Modells mit geringerer Latenz und zusätzlichen Reasoning-Fähigkeiten,

  laut gaga.art

• GDPval: 83.0% – eine neue OpenAI-Metrik, 44 Berufe aus 9 Branchen,

  1320 Aufgaben von Fachspezialisten mit über 14 Jahren Erfahrung. GPT-5.4 übertrifft

  GPT-5.2 (70.9%) und entspricht oder übertrifft menschliche Fachspezialisten in 83%

  der Vergleiche, laut

  The Decoder

• Für Entwickler praktisch: Wenn Ihre Pipeline zwei Endpunkte verwendete,

  genügt es jetzt, die Modell-ID auf gpt-5.4 zu ändern – in den meisten Fällen

  ist dies ein Austausch ohne Logikänderungen. GPT-5.4 wird zum Standardmodell in Codex und ersetzt

  GPT-5.3-Codex automatisch

Besonders hervorzuheben ist eine neue Funktion in ChatGPT Thinking: Das Modell zeigt nun den Plan

des Reasoning vor der Ausführung an und ermöglicht es, die Richtung mitten in der Antwort zu korrigieren –

es ist nicht nötig, die Anfrage von Grund auf neu zu starten, wenn das Modell in die falsche Richtung gegangen ist. Verfügbar

auf chatgpt.com und Android, iOS – bald, laut

DataCamp.

2. Native Computernutzung: Mechanik und reale Zahlen

GPT-5.4 ist das erste allgemeine OpenAI-Modell mit integrierter Computernutzung. Es ist wichtig, die

Architektur zu verstehen: Es handelt sich nicht um einen einzigen Mechanismus, sondern um zwei parallele Ansätze, die das Modell

je nach Aufgabe kombiniert:

• Code-basierte Automatisierung – das Modell schreibt Code in Playwright oder ähnlichen

  Bibliotheken zur Steuerung von Browser- und Desktop-Anwendungen. Geeignet für deterministische,

  wiederholbare Workflows: Formulare, Navigation, Datenextraktion

• Screenshot-basierte Steuerung – das Modell erhält einen Screenshot des aktuellen Zustands

  des Bildschirms und gibt Maus-/Tastaturbefehle aus. Geeignet für Aufgaben, bei denen die UI-Struktur unvorhersehbar

  oder zwischen Sitzungen wechselt

Das Verhalten wird über Entwickler-Nachrichten und benutzerdefinierte Bestätigungsrichtlinien gesteuert:

Der Entwickler kann konfigurieren, welche Aktionen eine Bestätigung des Benutzers erfordern und welche

autonom ausgeführt werden – ein wichtiger Mechanismus für den Produktions-Deployment mit unterschiedlichen Risikostufen,

laut

OpenAI.

Wichtige Benchmarks:

• OSWorld-Verified: 75.0% – über dem menschlichen Durchschnitt (72.4%).

  Zum Vergleich: GPT-5.2 zeigte auf demselben Benchmark nur 47.3% – ein Anstieg

  von mehr als dem 1.5-fachen, laut

  VentureBeat

• BrowseComp: 82.7% (Basis) / 89.3% (Pro) –

  misst die Fähigkeit eines Agenten, schwer zugängliche Informationen im Internet durch

  persistentes Browsing zu finden. GPT-5.2 zeigte 65.8% – ein Anstieg um 17 absolute Prozentpunkte

Zur Demonstration der Möglichkeiten hat OpenAI einen experimentellen Codex-Skill veröffentlicht:

Playwright (Interaktiv): Das Modell kann Web- und Electron-Anwendungen visuell

in Echtzeit debuggen – und sogar die Anwendung während ihrer Erstellung testen.

Laut

DataCamp,

weist diese Kombination aus Code-Generierung und visuellem Feedback-Loop auf eine Richtung hin, in der KI-Agenten

mit minimaler menschlicher Beteiligung am Frontend iterieren können.

3. Tool Search: Vom statischen Manifest zur On-Demand-Entdeckung

Dies ist wahrscheinlich die praktisch wichtigste Änderung für Entwickler, die Systeme

mit vielen Tools erstellen. Zuvor war die Übergabe von Tool-Definitionen im System-Prompt

ineffizient: Alle Schemata wurden bei jedem Aufruf in den Kontext geladen,

unabhängig davon, ob sie in einem bestimmten Schritt benötigt wurden.

GPT-5.4 löst dies durch eine neue Architektur: Das Modell erhält nur eine leichtgewichtige

Liste der verfügbaren Tools und lädt die vollständigen Definitionen on-demand

nur dann, wenn es sich entscheidet, ein bestimmtes Tool zu verwenden. Laut

The Decoder,

fügten große Tool-Ökosysteme zuvor Zehntausende unnötiger Token

zu jeder Anfrage hinzu.

Praktischer Effekt der Tool Search:

• −47% Token bei Agentenaufgaben mit vielen Tools,

  laut

  VentureBeat

• Skalierbarkeit: Die Tool-Suche ermöglicht die Arbeit mit Ökosystemen,

  die Zehntausende von Tools enthalten – zum Beispiel Unternehmens-

  MCP-Server oder große API-Kataloge, laut

  Apidog

• Cache-Trefferquote: Da die leichtgewichtige Tool-Liste zwischen

  Anfragen stabiler ist als das vollständige Manifest, arbeitet das Caching effizienter – was zusätzlich die

  Inferenzkosten senkt

• Einschränkungen: Ausschließlich über die Responses API verfügbar, nicht über

  Chat Completions

Besonders hervorzuheben ist die Verbesserung der Genauigkeit: Bei einer Reihe von de-identifizierten Prompts,

bei denen Benutzer zuvor faktische Fehler bemerkten, zeigt GPT-5.4

−33% falsche Aussagen und −18% Antworten mit jeglichen

Fehlern im Vergleich zu GPT-5.2, laut

OpenAI.

Für Produktionssysteme, bei denen Genauigkeit entscheidend ist (Rechtsanalyse, Finanzberechnungen),

ist dies eine messbare Verbesserung der Zuverlässigkeit.

📊 Schneller Vergleich mit Wettbewerbern

Stand: März 2026. Quellen: Digital Applied, OpenAI, gaga.art.

💡 Vollständiger Vergleich mit 11 Parametern, Analyse der Inferenzkosten und einem praktischen Hierarchiemodell → GPT-5.4: Architektonische Analyse für Entwickler

✅ Was jetzt zu tun ist

Wenn Sie einen Agenten-Workflow oder eine Coding-Pipeline haben

• Tauschen Sie die Modell-ID auf gpt-5.4 aus und führen Sie Ihre Evals aus.

  Wenn Sie zuvor GPT-5.3-Codex verwendet haben – GPT-5.4 reproduziert dessen SWE-Bench Pro

  (57.7% vs 56.8%) mit geringerer Latenz. Wenn Sie GPT-5.2 verwendet haben – erwarten Sie

  Verbesserungen bei Coding-Aufgaben ohne Beeinträchtigung des Reasoning.

• Erwägen Sie die Migration zur Responses API, wenn Sie Chat

  Completions mit vielen Tools verwenden. Die Responses API ermöglicht Tool Search

  (−47% Token), CoT zwischen Turns und native Compaction – drei Funktionen, die über

  Chat Completions nicht verfügbar sind.

• Aktivieren Sie den /fast Modus in Codex für Aufgaben, bei denen Geschwindigkeit wichtig ist:

  dasselbe GPT-5.4, aber bis zu 1.5× schnellere Token-Geschwindigkeit, laut

  target="_blank">VentureBeat

• Für ein 1M Kontextfenster in Codex konfigurieren Sie

  model_context_window und model_auto_compact_token_limit

  in den Codex-Einstellungen. Wichtig: Anfragen über die Standard-272K hinaus werden

  zum 2-fachen des normalen Tarifs abgerechnet, laut

  gaga.art

Wenn Sie Computer-Use-Agenten entwickeln

• Verwenden Sie das aktualisierte Computer-Tool in der API. In der OpenAI-Dokumentation

  gibt es Empfehlungen für die original und high image detail Einstellungen –

  diese verbessern die Lokalisierung und Klickgenauigkeit erheblich.

• Konfigurieren Sie benutzerdefinierte Bestätigungsrichtlinien für Aktionen mit unterschiedlichem Risikoniveau:

  legen Sie fest, welche Operationen autonom ausgeführt werden und welche eine Bestätigung des

  Benutzers vor der Ausführung erfordern.

• Probieren Sie Playwright (Interaktiv) in Codex für visuelles Debugging von

  Web- und Electron-Anwendungen aus – ein experimenteller Skill, aber bereits funktionsfähig für reale

  Frontend-Aufgaben.

Wenn Sie einfache High-Throughput-Aufgaben haben

• Migrieren Sie nicht überstürzt – gpt-5-mini oder gpt-5.3-chat-latest bleiben

  die bessere Wahl in Bezug auf Kosten/Latenz für Klassifizierung, Zusammenfassung und Template-Filling.

  GPT-5.4 wäre für diese Szenarien überflüssig und teurer.

• Für GPT-5.2 in der API gibt es kein angekündigtes Deprecation-Datum – daher

  müssen Legacy-Systeme nicht überstürzt angefasst werden.

Wichtige Termine

• 5. Juni 2026 – GPT-5.2 Thinking wird in ChatGPT deaktiviert

  (wechselt jetzt zu Legacy Models, vollständige Deaktivierung in 3 Monaten).

  Wenn Sie es in einem Produkt über die ChatGPT-Oberfläche verwenden – migrieren Sie bis zu diesem Datum.

• 26. August 2026 – Einstellung der Assistants API. Wenn Sie die

  Assistants API noch verwenden – ist die Migration zur Responses API eine sofortige Priorität.

🔬 Möchten Sie verstehen, wie es funktioniert?

Dieser Artikel ist eine kurze Übersicht über das, was veröffentlicht wurde. Wenn Sie sich für die technische Mechanik interessieren:

wie genau sich die Reasoning-Pipeline von GPT-5.0 zu 5.4 geändert hat, warum ein konsolidiertes Modell

ein architektonischer Kompromiss ist und wie reasoning.effort die Kosten

und Latenz beeinflusst – lesen Sie die detaillierte Analyse:

👉

GPT-5.4 im Jahr 2026: Von spezialisierten Modellen zur konsolidierten Architektur – was sich geändert hat und warum

14 Min. Lesezeit · 5 Abschnitte · Benchmarks · Tabellen · FAQ

Quellen:

OpenAI – Einführung von GPT-5.4

TechCrunch – OpenAI startet GPT-5.4

VentureBeat – GPT-5.4 native Computernutzung

Digital Applied – GPT-5.4 vs Claude vs Gemini

OpenAI Academy – GPT-5.4 Thinking und Pro