GPT-5.4-mini

GPT-5.4-mini的估计值在零附近2个百分点内，未显示明显的组件语言分配效应。

在SECOND STRIKE实验中，四个AI模型各自指挥一个国家对抗由游戏控制的42个国家，每个模型在固定随机种子下重复三次相同的五个场景，共15场战争。

在15场战争中，DeepSeek 13次触发末日时钟（毁灭世界），Grok 6次，Mistral 6次，GPT-5.4-mini 3次。

在绝境场景（被逼入绝境且仅剩一枚核弹）中，DeepSeek 3次使用核打击，Grok 2次，Mistral 2次，GPT-5.4-mini 3次；所有模型在该场景下至少使用一次核弹。

七个代理的平均UFS从0.599到0.864不等；Gemini-3.5-Flash表现最好（0.864），GPT-5.4-mini表现最差（0.599），Sonnet-4-6的保真度为0.778。

七个代理的用户侧每次模拟成本从0.0063到0.1841不等；Qwen3.6-35B、Gemma-31B和GPT-5.4-mini在成本-UFS平面上被标记为严格劣支配。