💡 站外导读：当AI从“聊天”进化到“干活”，企业生产力将迎来何种颠覆？OpenAI最新发布的GPT-5.4，正试图回答这个问题。它首次将推理、编程、网页搜索、计算机操作等关键能力整合进单一模型，目标直指“专业工作助理”。在多项权威测试中，GPT-5.4表现惊人：计算机操作任务成功率75%，首次超越人类基准；83%的知识工作达到或超过行业专家水平。这不仅是一次模型升级，更预示着AI Agent（智能体）时代的加速到来，AI正从“回答问题”的助手，转变为能独立“完成任务”的数字化员工。
GPT‑5.4是什么
GPT-5.4是OpenAI推出的旗舰AI模型，定位为”专为专业工作设计的最强前沿模型”。模型首次将推理、编程、原生计算机操作、深度网页搜索和百万Token上下文整合进单一模型，且未牺牲任何单项性能。在OSWorld电脑操作测试中，以75%成功率首次超越人类水平；在GDPval知识工作测试中，83%的任务达到或超过专业人士水准。GPT-5.4支持截图理解界面并执行鼠标键盘操作，可独立完成跨应用复杂任务，标志着AI从”回答问题”向”完成任务”的关键转变。
GPT‑5.4的主要功能
- 原生计算机操作：通过截图理解界面，执行鼠标点击和键盘输入，跨应用完成复杂任务（如发邮件、填表单、操作网页），OSWorld 测试成功率 75%，首次超越人类水平。
- 深度知识工作：支持处理 44 种职业的真实工作任务，包括制作 PPT、财务建模、数据分析、法律文档分析等，GDPval 测试 83% 达到或超过专业人士水准。
- 高阶编程与调试：整合 GPT-5.3-Codex 能力，支持代码生成、审查和优化；新增 Playwright Interactive 实现边写代码边可视化调试，可自动测试 Web 应用。
- 智能工具调用：引入工具搜索机制，按需查询工具定义，Token 消耗降低 47%；支持多步骤任务中灵活调用外部工具和 API。
- 深度网页搜索：支持多轮持续搜索、筛选信息并整合结果，BrowseComp 测试达 82.7%，擅长处理” needle-in-a-haystack “类复杂查询。
- 超长上下文处理：API 支持最高 100 万 Token 上下文，可一次性处理完整项目文档；支持高达 1024 万像素的高保真图像输入。
- 实时任务调控：复杂任务前先展示工作计划，执行中可随时调整方向，无需重新开始。
- 多模态视觉理解：视觉推理、文档解析和界面识别能力显著提升，支持高分辨率图像和复杂界面操作。
GPT‑5.4的性能表现
- 知识工作：
-
GDPval 测试：83.0% 的任务达到或超过行业专家水平（GPT-5.2 仅 70.9%）。
-
投行级表格建模：87.3%（GPT-5.2 为 68.4%）。
-
PPT 生成：人类评审68% 更偏好 GPT-5.4。
-
- 计算机操作：
-
OSWorld-Verified：75.0% 成功率，首次超越人类基线 72.4%，GPT-5.2 仅 47.3%。
-
WebArena-Verified：67.3%，浏览器任务处理能力领先。
-
Online-Mind2Web：92.8%，纯截图观察即可精准操作网页。
-
- 编程能力：
- SWE-Bench Pro：57.7%，略超 GPT-5.3-Codex（56.8%），同时延迟更低、Token 效率更高。
- Terminal-Bench 2.0：75.1%，终端任务处理表现稳健。
- 工具与搜索：
-
BrowseComp：82.7%（Pro 版高达 89.3%），较 GPT-5.2（65.8%）提升 17 个百分点，创业界新高。
-
Toolathlon：54.6%（GPT-5.2 为 45.7%），多步骤工具调用更准确。
-
Token 消耗：降低 47%，工具搜索机制在保持同等准确率下大幅降本。
-
- 学术与推理：
-
GPQA Diamond：92.8%（Pro 版 94.4%），科学问答接近满分。
-
Humanity’s Last Exam（带工具）：52.1%（Pro 版 58.7%），高难度综合测试表现突出。
-
ARC-AGI-2：73.3%（Pro 版 83.3%），抽象推理能力大幅跃升，GPT-5.2 Pro 仅 54.2%。
-
- 可靠性：
-
单条事实错误概率：降低 33%。
-
完整回答出错率：降低 18%，成为 OpenAI 迄今最 factual 的模型。
-
如何使用GPT‑5.4
- ChatGPT：访问 ChatGPT 官网或 ChatGPT App，GPT-5.4 已向 ChatGPT Plus、Team 和 Pro 用户开放，替代 GPT-5.2 Thinking 成为默认思考模型。。
- OpenAI API：通过 API 密钥调用
gpt-5.4或gpt-5.4-pro模型端点，支持最高 100 万 Token 上下文和工具搜索功能，按 Token 用量计费。 - Codex：访问 Codex 官网输入
/fast开启加速模式，或使用实验性 1M 上下文窗口处理大型代码项目，支持 Playwright Interactive 可视化调试。
GPT‑5.4的产品定价
- ChatGPT 订阅
-
Plus/Business订阅：含 GPT-5.4 Thinking（每周3000次）。
-
Pro订阅：含 GPT-5.4 Pro（不限量）。
-
- API 按量计费
-
GPT-5.4：输入 $2.50/百万Token，缓存输入 $0.25/百万Token，输出 $15/百万Token。
-
GPT-5.4 Pro：输入 $30/百万Token，输出 $180/百万Token。
-
GPT‑5.4的应用场景
- 办公自动化：替代人工完成制作 PPT、财务建模、数据分析、文档处理等知识工作。
- 智能 Agent：自主操作电脑完成跨应用任务，如自动发送邮件、填写表单、调度日程、批量数据录入。
- 软件开发：全栈开发、代码审查、Bug 修复，支持边写边测的 Playwright 交互调试，可独立构建复杂 Web 应用和游戏。
- 企业流程：接入内部系统实现 RPA 自动化，处理税务申报、合同审核、客户服务等长周期多步骤任务。
- 深度研究：多轮网页搜索整合信息，处理需要跨来源验证的复杂查询。
📝 站长洞察 (Editor’s Insight)
GPT-5.4的发布，标志着大模型竞争正式进入‘执行力’比拼的新阶段。此前，AI的核心价值在于信息处理与内容生成，而GPT-5.4通过‘原生计算机操作’与‘深度知识工作’两大支柱，将AI的能力边界从‘思考’延伸至‘行动’。这背后是Agent（智能体）范式的全面胜利——模型不再需要人类分步指令，而是能理解复杂意图，自主规划并跨应用执行任务。对企业而言，这意味着‘数字员工’的可行性大幅提升，从财务建模到软件开发，AI正从辅助工具升级为生产力核心。对开发者，其整合的Playwright调试和工具搜索机制，大幅降低了构建复杂AI应用的门槛。然而，这也带来深刻的行业拷问：当AI的‘手’与‘脑’同步进化，人类的协作模式与价值定位将如何被重塑？下一个竞争焦点，或将转向如何设计‘人机协同’的最优工作流。
