GPT-5.4發(fā)布了。

說實話，我猶豫了半天要不要寫這篇。真的被模型發(fā)布搞疲了。隔幾周一個新版本，每次都是「史上最強」，但你真用起來，體感差異越來越小。靠跑一兩個benchmark，已經(jīng)越來越難測出模型的真實能力了，需要更長時間的日常使用才有體感。
而且就拿我最常用的agentic能力和coding能力來說，我不太相信GPT一個小版本的更新能超過Claude。所以對我日常使用最多的模型，其實沒什么影響。

但看完GPT-5.4的數(shù)據(jù)之后，我還是決定寫。不是因為它有多強，而是因為我發(fā)現(xiàn)了一個更有意思的事。我打開了三個網(wǎng)頁：OpenAI的博客、Anthropic的定價頁、Google的Gemini文檔，把三家的數(shù)據(jù)攤在一起看。

結(jié)論讓我有點意外：它們已經(jīng)不在同一條賽道上了。

先說結(jié)論：不再有「最好的AI」

一年前，「哪個AI最好」還是個合理的問題。各家模型能力分布還比較均勻，都在同一條賽道上跑。

現(xiàn)在這個問題過時了。

想操控電腦、做PPT、跑知識工作？GPT-5.4。想寫代碼、跑Agent、做復雜開發(fā)？Claude Opus 4.6。想要最強推理、圖片視頻理解、最大上下文、最低價格？Gemini 3.1 Pro。

我自己就是這么用的。平時寫代碼，左邊開著Codex做審查，中間跑Claude Code寫實際代碼，右邊還有個Cursor兜底。Codex的上下文工程優(yōu)化比Claude Code好不少，能在一個窗口下不停布置任務不用擔心上下文撐爆。但Opus的天花板更高，獨立解決復雜問題的能力沒有對手。所以日常就是混著用，各取所長。

說個更直觀的數(shù)據(jù)：我今年和ChatGPT的對話量比去年減少了90%以上。不是ChatGPT變差了，是我的需求被Claude Code、Cursor、Gemini分走了。不同任務交給不同模型，你不會拿錘子去擰螺絲。

之前有人問我：「花叔，你推薦哪個AI？」

我的回答是：這取決于你是誰。

產(chǎn)品經(jīng)理或分析師，日常做報告、處理數(shù)據(jù)？ChatGPT Plus大概率是你的最優(yōu)解，GPT-5.4的知識工作能力確實強。

開發(fā)者，寫代碼是主要需求？Claude Code + Opus 4.6，目前沒有對手。YC剛公布的Winter 26批次數(shù)據(jù)也印證了這一點：Anthropic占比52%，首次超過OpenAI。去年OpenAI還占90%以上，一年完全逆轉(zhuǎn)了。

對價格敏感，或者需要處理超長文本、音視頻分析？Gemini。$2/$12的價格加2M token上下文，性價比無敵。

如果你是資深用戶，可能最終會像我一樣：三個都用，看菜下鍋。

結(jié)論說完了。下面看看GPT-5.4到底做了什么，以及三家是怎么走到這一步的。

GPT-5.4到底做了什么

先過一遍GPT-5.4的數(shù)據(jù)。說實話，有幾個確實讓我眼前一亮。

Computer Use，就是讓AI直接操控你的電腦。GPT-5.4在OSWorld基準測試上拿到75.0%，超過了人類基準的72.4% 。這是所有AI模型第一次在這個測試上超越人類。上一代GPT-5.2才47.3%，一個版本漲了快一倍，這個提升幅度我覺得是這次最值得關(guān)注的。

知識工作也很猛。GDPval達到83.0%，意思是在44個職業(yè)的專業(yè)任務里，GPT-5.4有八成以上能打平或超越行業(yè)專家。投行建模從68.4%跳到87.3%，做PPT時人類評審有68%的概率更喜歡GPT-5.4的版本。這個數(shù)據(jù)要是真的，華爾街的junior analyst該緊張了。

上下文窗口拉到了100萬token，OpenAI迄今最大。還出了個叫Tool Search的新功能，跑Agent的時候不用把所有工具定義塞進prompt了，模型自己按需查找，token消耗直接減了47%。做Agent開發(fā)的應該會很開心。

但你仔細看，這些最亮眼的提升都指向同一個方向：讓AI替你干白領(lǐng)的活。操控電腦、做PPT、投行建模、知識工作。OpenAI押的注很明確：AI不只是聊天工具，它要做你的數(shù)字員工。

但編程呢？

這是我最關(guān)心的部分，也是最有意思的部分。

GPT-5.4在SWE-Bench Pro上的成績是57.7%。上一代GPT-5.2是56.8%。

提升了0.9個百分點。

你沒看錯。一個做了Computer Use超越人類、1M上下文、投行建模87%的模型，編程能力只漲了0.9%。Claude Opus 4.6在SWE-Bench Verified上是80.8%，依然世界第一。（這倆是不同難度的測試，Pro更難，但0.9%的提升本身就說明問題。）

OpenAI不是做不好，是選擇把資源放在了別的地方。

這和我實際用下來的感受完全對得上。Codex的gpt-5.2-codex選high模式時，后端能力確實強，能跑一個多小時完全沒bug。但速度太慢了，思考時間過久，審美也差，讓它做前端基本不行。Opus雖然貴，但處理創(chuàng)意代碼工作時天花板明顯更高，經(jīng)常能獨立解決我好幾個月沒搞定的功能問題。

所以我日常就是混著用：Opus處理需要創(chuàng)造力的代碼，Codex做規(guī)劃和審查。

但我不覺得OpenAI是「編程不行」或「不想打這仗」。恰恰相反，OpenAI的野心比編程大得多，它想替代的是更廣泛的白領(lǐng)工作。你看它這次選的benchmark就知道了：Computer Use、投行建模、PPT評審、44個職業(yè)的知識工作。編程只是其中一個，甚至不是最重要的那個。

三張成績單

我把三家的數(shù)據(jù)都扒了一遍，攤在一起看，格局就很清楚了。

GPT-5.4贏了Computer Use和知識工作，Claude Opus 4.6贏了編程和Agent，Gemini 3.1 Pro贏了推理和性價比。沒有一家全贏。GPT-5.4贏了5個benchmark類別，Gemini贏了4個，Opus贏了3個。

但比誰贏了什么更有意思的，是各自的短板。

GPT-5.4編程就不說了，0.9%的提升。定價也是三家最貴的，Pro版輸出$180/百萬token，是Opus的7倍多。你用Pro版跑一個稍微復雜的Agent任務，賬單看了可能會心疼。

Claude Opus 4.6呢，上下文窗口只有200K（1M還在beta），也沒有原生Computer Use。寫代碼無敵，但你讓它幫你操作電腦，目前還不行。

Gemini 3.1 Pro沒有Computer Use，編程也不如前兩家。但推理能力真的強，ARC-AGI-2上77.1%，甩了另外兩家一條街。多模態(tài)理解也是三家最強，圖片視頻分析這塊沒對手。加上$2/$12的定價和2M token上下文，Google這波性價比打得很猛。

看到這，你可能和我一樣想到了一件事：三家的強項和短板，剛好指向了三條完全不同的路。

三條路

GPT-5.4走的是白領(lǐng)替代路線。

操控電腦、做PPT、投行建模、知識工作。ChatGPT付費用戶超過千萬，這些人不寫代碼，他們寫報告、做分析、處理數(shù)據(jù)。GPT-5.4就是為他們做的。

Claude走的是開發(fā)者搭檔路線。

編程世界第一、Claude Code在開發(fā)者圈子里口碑炸裂、Agent能力最強。我自己從去年8月開始用Claude Code搭了自動化寫作工作流，現(xiàn)在寫文章的效率提升太多了。Anthropic不追求ChatGPT那種C端規(guī)模，在開發(fā)者生態(tài)里做到不可替代就夠了。

Gemini走的是推理+多模態(tài)+性價比路線。

推理能力領(lǐng)先，多模態(tài)理解也是三家最強的。我現(xiàn)在分析圖片、理解視頻內(nèi)容都交給Gemini做，這塊確實沒對手。加上2M上下文和$2/$12的定價，性價比碾壓。國內(nèi)字節(jié)的Seed 2.0模型也在往這個方向走，多模態(tài)+低價正在成為一條清晰的賽道。

為什么Google敢定最低價、給最大上下文？因為Gemini不需要單獨賺錢。Google有搜索、有YouTube、有Android，Gemini的作用是讓整個生態(tài)更強。它的ROI不是用API收入算的。

三條路，三種賭注。

但OpenAI最大的問題不是技術(shù)

GPT-5.4技術(shù)上確實強。但OpenAI現(xiàn)在面對的最大挑戰(zhàn)，和模型能力無關(guān)。

2月28日，OpenAI和美國國防部簽了正式合同。幾天前Anthropic剛剛公開拒絕了同一份合同，理由是五角大樓不愿加入「明確禁止自主武器部署」的條款。然后QuitGPT運動就爆發(fā)了。

超過250萬人取消了ChatGPT訂閱或承諾停用，OpenAI舊金山總部門口有了抗議，900多名OpenAI和Google員工聯(lián)名簽公開信。

時機很微妙。GPT-5.4恰好在QuitGPT最高潮的時候發(fā)布。ChatGPT的市場份額已經(jīng)從高峰期的87%降到約68% ，Gemini從不到5%漲到18%以上。模型做得再好，用戶在流失，這個問題比任何benchmark都嚴重。

最強之爭，結(jié)束了

過去三年，AI的故事一直是「通用智能」：一個模型什么都能做，而且越來越強。

GPT-5.4打破了這個敘事。

它確實強，但它強的方式說明了一件事：即便是最頂尖的AI公司，也得做取舍了。Computer Use超越人類，但編程只漲了0.9%。Claude編程無敵，但上下文只有競品的五分之一。Gemini推理最強價格最低，但Agent和Computer Use都不行。

每家都在自己選的賽道上做到了極致，同時接受了其他賽道的平庸。

我之前寫GPT-5發(fā)布時說過，AI的iPhone 4時刻已經(jīng)過去了?，F(xiàn)在回頭看，不只是「Wow時刻」沒了，連「誰是最強」這個問題本身都過時了。

對我們這些日常在用AI的人來說，這反而是好事。不用再糾結(jié)「到底選哪個」，根據(jù)自己的需求選就行。寫代碼用Claude，做知識工作用ChatGPT，省錢或跑長文本用Gemini。就像你不會只用一把刀做所有菜。

GPT-5.4發(fā)布了。但AI的「最強之爭」，已經(jīng)結(jié)束了。