出品 | 網(wǎng)易智能

作者 | 小小

編輯 | 王鳳枝

OpenAI又毫無征兆地發(fā)布了新模型。

距離GPT-5.3 Instant上線僅僅過去兩天，GPT-5.4便被正式推出。它在API層面首次獲得了原生電腦操作能力，讓AI能夠像人類一樣自主控制鍵鼠，跨越各類應(yīng)用軟件執(zhí)行具體任務(wù)。

不僅如此，ChatGPT也正式與Excel和Google Sheets等生產(chǎn)力工具實(shí)現(xiàn)了深度綁定。你可以在電子表格中直接調(diào)用它，將數(shù)據(jù)更新和財(cái)務(wù)分析全盤交由它來處理。

對(duì)于每天周旋于表格與文檔之間的職場(chǎng)人來說，這個(gè)模型的現(xiàn)實(shí)意義極其明確：AI不再僅僅是個(gè)聊天工具，它已經(jīng)正式下場(chǎng)替你干活了。

雖然有早期測(cè)試者吐槽它的前端交互體驗(yàn)依然略遜于核心競(jìng)品，但在這種極具統(tǒng)治力的自動(dòng)化執(zhí)行力面前，這點(diǎn)UI層面的短板已經(jīng)顯得無足輕重。

01兩個(gè)版本，覆蓋不同需求

GPT-5.4這次分兩個(gè)版本上線。

GPT-5.4 Thinking面向付費(fèi)訂閱用戶，ChatGPT Plus(20美元/月)、Team和Pro用戶現(xiàn)在就能用。它會(huì)在回答問題前先展示思考計(jì)劃，用戶可以中途打斷、調(diào)整方向，不用從頭再來。對(duì)于復(fù)雜問題，它能思考更長(zhǎng)時(shí)間，同時(shí)保持上下文理解不跑偏。

GPT-5.4 Pro則留給需求更硬的用戶，包括ChatGPT Pro(200美元/月)和Enterprise企業(yè)版。OpenAI的說法是，這是為最復(fù)雜任務(wù)準(zhǔn)備的，追求性能上限。免費(fèi)用戶也有機(jī)會(huì)體驗(yàn)它，但只有系統(tǒng)覺得必要時(shí)才會(huì)自動(dòng)路由過去。

在API端，GPT-5.4支持100萬(wàn)token上下文窗口，是OpenAI目前給到的最大容量。整本代碼庫(kù)、整份長(zhǎng)合同可以一次性扔進(jìn)去。

但有個(gè)細(xì)節(jié)要注意：輸入一旦超過27.2萬(wàn)token，超出的部分按兩倍費(fèi)率計(jì)費(fèi)。

02原生電腦操控，AI開始像人一樣用電腦

這次最核心的升級(jí)，是GPT-5.4在API和Codex里第一次內(nèi)置了原生電腦操作能力。

以前AI只能生成文本、代碼讓你自己拿去用?，F(xiàn)在它可以自己調(diào)用Playwright這類庫(kù)寫代碼操控電腦，也可以直接看屏幕截圖，發(fā)出鼠標(biāo)和鍵盤指令。開發(fā)者還能配置自定義確認(rèn)策略，針對(duì)不同風(fēng)險(xiǎn)場(chǎng)景調(diào)整它的行為。

OpenAI表示，這是他們首個(gè)具備這種能力的通用模型，對(duì)于開發(fā)智能體的開發(fā)者來說，這是目前可用的最佳選擇。

幾個(gè)基準(zhǔn)測(cè)試最能說明問題：

在測(cè)試桌面導(dǎo)航能力的OSWorld-Verified上，GPT-5.4的成功率達(dá)到75.0%，不僅遠(yuǎn)超GPT-5.2的47.3%，還超過了72.4%的人類基準(zhǔn)水平。這個(gè)測(cè)試衡量的是模型通過屏幕截圖加鍵盤鼠標(biāo)操作在桌面環(huán)境里導(dǎo)航的能力。

在瀏覽器操控測(cè)試WebArena-Verified上，同時(shí)用DOM和截圖驅(qū)動(dòng)交互時(shí)，它做到了67.3%的成功率，GPT-5.2是65.4%。而在Online-Mind2Web上，只靠截圖觀察，它的成功率達(dá)到了92.8%，遠(yuǎn)高于ChatGPT Atlas智能體模式的70.9%。

計(jì)算機(jī)使用能力的提升，跟視覺感知能力的改進(jìn)分不開。在測(cè)試模型視覺理解和推理的MMMU-Pro上，GPT-5.4在不使用工具的情況下達(dá)到81.2%的成功率，高于GPT-5.2的79.5%。在文檔解析測(cè)試OmniDocBench上，GPT-5.4的平均誤差是0.109，優(yōu)于GPT-5.2的0.140，而且這是在沒開推理努力的情況下跑出來的，反映的是低成本、低延遲狀態(tài)下的性能。

高分辨率圖像的理解也有升級(jí)。從GPT-5.4開始，OpenAI引入了一個(gè)原始圖像輸入細(xì)節(jié)級(jí)別，支持最高1024萬(wàn)總像素或6000像素最大維度的全保真感知。高細(xì)節(jié)級(jí)別現(xiàn)在也支持到256萬(wàn)總像素或2048像素最大維度。早期測(cè)試?yán)?，使用原始或高?xì)節(jié)時(shí)，定位能力、圖像理解、點(diǎn)擊準(zhǔn)確性都有明顯提升。

在GDPval這個(gè)測(cè)試覆蓋44個(gè)職業(yè)的知識(shí)工作任務(wù)中，GPT-5.4在83.0%的比較里達(dá)到或超過行業(yè)專業(yè)人士水平，其中69.2%是勝出，13.8%是打平。GPT-5.2是70.9%(49.8%勝，21.1%平)。GPT-5.4 Pro的勝率為82.0%，GPT-5.2 Pro是74.1%。測(cè)試?yán)锇男袠I(yè)覆蓋了美國(guó)GDP貢獻(xiàn)前9大行業(yè)。

在SWE-Bench Pro編碼測(cè)試?yán)?，GPT-5.4得分57.7%，GPT-5.3 Codex是56.8%，GPT-5.2是55.6%。更重要的是延遲表現(xiàn)：在達(dá)到相似或更高準(zhǔn)確率的情況下，GPT-5.4的估計(jì)延遲在500至800秒左右，而GPT-5.3 Codex是1800秒以上。延遲估計(jì)考慮了工具調(diào)用時(shí)間、采樣token和輸入token。

OpenAI拿用戶之前標(biāo)記過事實(shí)錯(cuò)誤的去標(biāo)識(shí)化提示詞跑了一遍。GPT-5.4的單項(xiàng)陳述錯(cuò)誤率比GPT-5.2低了33%，完整回應(yīng)里出現(xiàn)任意錯(cuò)誤的概率低了18%。OpenAI說這是他們迄今最具事實(shí)準(zhǔn)確性的模型。

GitHub首席產(chǎn)品官馬里奧·羅德里格斯(Mario Rodriguez)的評(píng)價(jià)是，GPT-5.4在邏輯推理和執(zhí)行復(fù)雜多步驟工具依賴工作流方面表現(xiàn)突出，是企業(yè)第一天就該采用的模型。

房地產(chǎn)科技公司Mainstay的CEO多德·弗雷澤(Dod Fraser)透露，在覆蓋約3萬(wàn)個(gè)房產(chǎn)稅門戶的測(cè)試中，GPT-5.4首次嘗試成功率95%，三次內(nèi)成功率100%，而之前的計(jì)算機(jī)操控模型只有73%到79%。GPT-5.4的完成速度快了大概3倍，token消耗少了約70%。

AI招聘與專家訓(xùn)練平臺(tái)Mercor的聯(lián)合創(chuàng)始人兼CEO布倫丹·富迪(Brendan Foody)也給了評(píng)價(jià)，APEX-Agents最新測(cè)試顯示，GPT-5.4平均得分首次突破50%，三個(gè)月飆升15.7%。而一年前，頂尖模型連Excel都改不好，得分不足5%。AI能力正以超預(yù)期速度逼近頂級(jí)專業(yè)機(jī)構(gòu)水平。

OpenClaw創(chuàng)始人彼得·斯坦伯格(Peter Steinberger)的看法更偏務(wù)實(shí)，GPT-5.4在延續(xù)編碼優(yōu)勢(shì)的基礎(chǔ)上，實(shí)現(xiàn)了全方位的均衡提升，文檔編寫更專業(yè)，通用代理能力更強(qiáng)，整體體驗(yàn)也更友好。

Cursor的開發(fā)者教育副總裁李·羅賓遜(Lee Robinson)說，GPT-5.4在他們內(nèi)部基準(zhǔn)測(cè)試?yán)锾幱陬I(lǐng)先地位?！拔覀兊墓こ處煱l(fā)現(xiàn)它比以前模型更自然、更果斷。它會(huì)處理模糊的問題而不自我懷疑，會(huì)主動(dòng)并行化工作保持進(jìn)展。”

03工具搜索，把token盡量省下來

在工具調(diào)用方面，以前有個(gè)痛點(diǎn)：模型每次請(qǐng)求都得把所有工具定義塞進(jìn)提示詞里。如果系統(tǒng)里工具多，一次請(qǐng)求可能多花幾千甚至幾萬(wàn)token，成本高、速度慢、還把上下文塞得滿滿的。

GPT-5.4在API里引入了工具搜索(Tool Search)機(jī)制，徹底改變了這套玩法。

現(xiàn)在模型只接收一個(gè)輕量級(jí)的工具列表，配一個(gè)搜索功能。真需要使用時(shí)，它再去檢索完整定義，按需拉取。這對(duì)那些可能包含幾萬(wàn)token工具定義的MCP服務(wù)器來說，效率提升很明顯。

OpenAI給出的數(shù)據(jù)顯示，在Scale的MCP Atlas基準(zhǔn)測(cè)試?yán)锱芰?50個(gè)任務(wù)，啟用全部36個(gè)MCP服務(wù)器。工具搜索模式跟把所有MCP功能直接暴露在上下文里的模式相比，準(zhǔn)確率一樣，但總token用量少了47%。

具體數(shù)字是這樣的：不用工具搜索的情況下，平均總token消耗為123139，用了之后降到65320。

工具調(diào)用的準(zhǔn)確率和效率也有提升。在Toolathlon測(cè)試?yán)铮鼫y(cè)的是AI智能體用真實(shí)世界工具和API完成多步驟任務(wù)的能力，比如讀郵件、提取附件、上傳、評(píng)分、記到表格里等，GPT-5.4用更少的工具讓步(Tool Yields)達(dá)到了更高的準(zhǔn)確率。

所謂工具讓步，是指當(dāng)AI在等待工具響應(yīng)時(shí)會(huì)讓出控制權(quán)，這叫一次讓步。如果并行調(diào)用3個(gè)工具，再并行調(diào)用3個(gè)，讓步次數(shù)是2。它比工具調(diào)用次數(shù)更能反映延遲，因?yàn)轶w現(xiàn)了并行化的好處。在Toolathlon上，GPT-5.4在約10次讓步時(shí)準(zhǔn)確率55%左右，GPT-5.2只有46%左右。

對(duì)于延遲敏感、不想開推理的場(chǎng)景，GPT-5.4也有提升。在τ2-bench電信測(cè)試?yán)?，模型要用工具完成客戶服?wù)任務(wù)，不開推理的情況下，GPT-5.4準(zhǔn)確率64.3%，GPT-5.2是57.2%，GPT-5.1是45.2%，GPT-4.1是43.6%。

自動(dòng)化軟件服務(wù)公司Zapier的CEO韋德·福斯特(Wade Foster)說，GPT-5.4在他們跨幾百個(gè)真實(shí)工作流的工具使用基準(zhǔn)測(cè)試?yán)锉憩F(xiàn)很好。“GPT-5.4 xhigh是多步驟工具使用的新標(biāo)桿，它完成了之前模型放棄的任務(wù)，是迄今為止最持久的模型?！?/p>

04 Excel深度集成，金融場(chǎng)景先落地

跟GPT-5.4同步上線的，還有一套面向企業(yè)和金融機(jī)構(gòu)的OpenAI金融服務(wù)套件。

核心產(chǎn)品是ChatGPT for Excel和Google Sheets測(cè)試版。ChatGPT直接嵌進(jìn)電子表格的單元格里，你可以讓它幫你搭財(cái)務(wù)模型、做分析、更新數(shù)據(jù)。OpenAI表示，這是用團(tuán)隊(duì)已經(jīng)依賴的公式和結(jié)構(gòu)來工作。

套件還整合了FactSet、MSCI、Third Bridge、Moody's這些數(shù)據(jù)源，推出一套可復(fù)用的Skills功能，覆蓋盈利預(yù)覽、可比公司分析、DCF估值分析、投資備忘錄撰寫這些高頻場(chǎng)景。

OpenAI特別專注于改進(jìn)GPT-5.4創(chuàng)建和編輯電子表格、演示文稿和文檔的能力。

OpenAI自己有個(gè)內(nèi)部投行基準(zhǔn)測(cè)試。GPT-5 Thinking在這個(gè)測(cè)試?yán)锏牡梅质?3.7%，而GPT-5.4 Thinking直接干到了88.0%。

在另一個(gè)模擬初級(jí)投行分析師電子表格建模任務(wù)的測(cè)試?yán)铮珿PT-5.4平均得分87.3%，GPT-5.2是68.4%。

投資公司W(wǎng)alleye Capital的AI解決方案主管丹尼爾·斯威基(Daniel Swiecki)稱，在他們內(nèi)部的財(cái)務(wù)和Excel評(píng)估里，GPT-5.4準(zhǔn)確率提高了30個(gè)百分點(diǎn)。他把這歸因于模型更新和情景分析的擴(kuò)展自動(dòng)化。

法律AI平臺(tái)Harvey的應(yīng)用研究主管尼科·格魯彭(Niko Grupen)也評(píng)論道：GPT-5.4在他們BigLaw Bench評(píng)估里得分91%，“在結(jié)構(gòu)化復(fù)雜交易分析、跨長(zhǎng)篇合同保持準(zhǔn)確性、提供法律從業(yè)者需要的高細(xì)節(jié)方面，目前比別的模型都好”。

05網(wǎng)絡(luò)搜索能力大幅提升

GPT-5.4在智能體網(wǎng)絡(luò)搜索方面也做了改進(jìn)。

在BrowseComp測(cè)試?yán)?，衡量AI智能體能多持久地瀏覽網(wǎng)絡(luò)，找到那些難找的信息時(shí)，GPT-5.4比GPT-5.2提升了17個(gè)百分點(diǎn)，GPT-5.4 Pro以89.3%的成績(jī)創(chuàng)下該基準(zhǔn)測(cè)試的新高。

OpenAI解釋說，在BrowseComp里他們用了搜索阻止列表，排除了包含基準(zhǔn)答案的網(wǎng)站，防止污染。GPT-5.4測(cè)試時(shí)間比GPT-5.2晚，分?jǐn)?shù)變化反映了模型、搜索系統(tǒng)和互聯(lián)網(wǎng)狀態(tài)的變化。GPT-5.4用的是更長(zhǎng)、更新的阻止列表。

落實(shí)到實(shí)際體驗(yàn)上，這意味著GPT-5.4 Thinking在回答那些需要從網(wǎng)上多個(gè)來源匯集信息的問題時(shí)更靠譜。它能更持久地跨多輪搜索，找到最相關(guān)的來源，特別是對(duì)那些大海撈針式的問題，然后把它們綜合成清晰的答案。

06可引導(dǎo)性，能中途打斷調(diào)整方向

ChatGPT里的GPT-5.4 Thinking多了個(gè)新功能：對(duì)于較長(zhǎng)、較復(fù)雜的查詢，它會(huì)先給一個(gè)工作概要，你可以看到它打算怎么干。

更重要的是，你可以在它響應(yīng)過程中添加指令或調(diào)整方向，不用從頭開始，也不用多輪對(duì)話。OpenAI說這能讓模型輸出更貼近你想要的結(jié)果。

這個(gè)功能現(xiàn)在在網(wǎng)頁(yè)版和Android應(yīng)用上能用，iOS即將上線。

模型在困難任務(wù)上也能思考更長(zhǎng)時(shí)間，同時(shí)對(duì)對(duì)話早期步驟保持更強(qiáng)的意識(shí)。這意味著它能處理更長(zhǎng)的工作流和更復(fù)雜的提示，同時(shí)保持答案的連貫性和相關(guān)性。

07反饋與體驗(yàn)：早期用戶的真實(shí)感受

AI寫作助手公司HyperWrite的CEO馬特·舒默(Matt Shumer)提前試了GPT-5.4一周。他提到了一個(gè)有意思的細(xì)節(jié)：自己以前一直是Pro系列的重度用戶，因?yàn)镻ro幾乎能完美應(yīng)對(duì)所有任務(wù)。但這次，GPT-5.4標(biāo)準(zhǔn)版打破了這個(gè)習(xí)慣。

“即使在標(biāo)準(zhǔn)模式下，GPT-5.4也比之前的Pro版好，不可思議?！彼f編碼能力強(qiáng)得離譜，在Codex里可靠性驚人。“編碼問題基本上解決了。”Pro版近乎完美，能解決其他模型解決不了的問題，但對(duì)日常使用來說性能有點(diǎn)過剩。

他也提到幾個(gè)問題：前端界面體驗(yàn)不如Claude Opus 4.6和Gemini 3.1 Pro；會(huì)忽略一些顯而易見的現(xiàn)實(shí)背景，比如規(guī)劃旅行行程時(shí)選了春假期間人擠人的地點(diǎn)；在OpenClaw里測(cè)試時(shí)，程序經(jīng)常在任務(wù)完成前突然停住。

但他最后給的結(jié)論是：整體上領(lǐng)先太多，那些吹毛求疵的小問題都顯得無關(guān)緊要了。

世界頂尖免疫學(xué)專家德里亞·烏努特馬茲(Derya Unutmaz)也試了Pro版，用了幾天?！八宫F(xiàn)出了相對(duì)更高的創(chuàng)造力、洞察力和抽象智能，比5.2 Pro模型更頻繁地提出問題?！彼贏GI-2測(cè)試?yán)锝oGPT-5.4 Pro打了83%的得分。

08定價(jià)：比以前貴，但值得

API定價(jià)上，GPT-5.4比GPT-5.2貴了一些。

GPT-5.4標(biāo)準(zhǔn)版每百萬(wàn)輸入token為2.5美元、輸出15美元；Pro版輸入30美元、輸出180美元。與之相比，GPT-5.2是輸入1.75美元、輸出14美元；GPT-5.2 Pro是輸入21美元、輸出168美元。

其中，輸入超過27.2萬(wàn)token的部分，按兩倍費(fèi)率算。Codex里默認(rèn)壓縮上限就是27.2萬(wàn)token，開發(fā)者可以手動(dòng)往上調(diào)，超出部分才觸發(fā)高計(jì)費(fèi)。

OpenAI發(fā)言人對(duì)此給出了三條理由：一是復(fù)雜任務(wù)能力更強(qiáng)，包括編碼、電腦操控、深度研究、高級(jí)文檔生成、工具調(diào)用；二是研究路線圖上有重大技術(shù)進(jìn)步；三是更高效的推理機(jī)制在相同任務(wù)上消耗更少推理token，能抵消一部分單價(jià)上漲。發(fā)言人說，即便提價(jià)，GPT-5.4的定價(jià)還是低于同等能力的競(jìng)品前沿模型。

在ChatGPT端，GPT-5.4 Thinking從3月5日起向Plus、Team及Pro用戶開放，取代此前的GPT-5.2 Thinking。GPT-5.2 Thinking將在三個(gè)月后于2026年6月5日正式退役，期間可以在模型選擇器的傳統(tǒng)模型里找到。

GPT-5.4 Pro只對(duì)Pro和Enterprise計(jì)劃用戶開放，企業(yè)和教育版用戶可通過管理員設(shè)置提前開啟訪問權(quán)限。

在安全方面，OpenAI把GPT-5.4定位為高網(wǎng)絡(luò)能力模型，沿用了GPT-5.3 Codex的類似保護(hù)措施，包括監(jiān)控系統(tǒng)、受信任訪問控制，對(duì)零數(shù)據(jù)保留(ZDR)表面的高風(fēng)險(xiǎn)請(qǐng)求做異步阻斷。

他們也在持續(xù)研究思維鏈(CoT)的可監(jiān)控性。新開源的評(píng)估叫CoT可控性，測(cè)的是模型能不能故意混淆推理來逃避監(jiān)控。結(jié)論是GPT-5.4 Thinking控制CoT的能力較低，這對(duì)安全來說是好事，說明CoT監(jiān)控仍然有效。

寫在最后

當(dāng)你再次打開ChatGPT時(shí)，你面對(duì)的已經(jīng)不再是一個(gè)僅僅擅長(zhǎng)咬文嚼字的聊天機(jī)器人。

回看這兩年的軌跡：從陪人聊天的對(duì)話框，到輔助敲代碼的副手，再到今天直接接管鼠標(biāo)鍵盤、接手復(fù)雜表格的數(shù)字員工。這次的GPT-5.4或許沒有創(chuàng)造出全新的理論基座，但它把紙面上的潛能徹底變成了桌上的生產(chǎn)力。

技術(shù)革命往往不是伴隨著巨響到來的，而是潛移默化地滲透進(jìn)每一次版本更新里。等到我們真正察覺時(shí)，那個(gè)曾經(jīng)只會(huì)回答問題的AI，其實(shí)已經(jīng)悄無聲息地坐上了你的工位。