OpenAI推出GPT?5.4 面向專業工作的新一代旗艦模型

周四，OpenAI 正式發布新一代基礎模型 GPT?5.4，將其定位為“迄今最強大、最高效、面向專業工作的前沿模型”。 除標準版本外，OpenAI 同步推出強調復雜推理能力的 GPT?5.4 Thinking，以及面向高性能應用場景的 GPT?5.4 Pro 兩個變體。

在模型能力方面，GPT?5.4 的 API 版本支持最高 100 萬 token 的上下文窗口，遠超 OpenAI 此前提供的任何模型，有利于處理長文檔、復雜項目或多輪任務等長鏈條工作流。 OpenAI 同時強調了 token 使用效率的提升，稱 GPT?5.4 能以顯著更少的 token 完成與前代模型相同難度的任務，從而在成本與響應速度上形成優勢。

最新基準測試結果顯示，GPT?5.4 在多個權威評測中取得大幅領先，包括在 OSWorld?Verified 和 WebArena Verified 這兩項“電腦操作”場景測試中刷新紀錄，并在 OpenAI 自有的知識工作評估集 GDPval 上拿到 83% 的最高分。 在由初創公司 Mercor 設立、針對法律和金融等專業技能的 APEX?Agents 基準中，GPT?5.4 也位居首位。

Mercor 首席執行官 Brendan Foody 在聲明中表示，GPT?5.4 在制作長周期成果物方面表現突出，包括演示文稿、財務模型和法律分析等，“在保持頂級表現的同時，比同類前沿模型更快、成本更低”。

在可靠性方面，GPT?5.4 延續了 OpenAI 減少“幻覺”和事實性錯誤的研發方向。 官方給出的內部評估結果顯示，相較 GPT?5.2，新模型在單條陳述層面出現錯誤的概率降低 33%，整體回答中出現錯誤內容的概率則下降 18%。

此次發布還伴隨一項重要的 API 層改動：OpenAI 推出名為 Tool Search 的新工具調用機制。 在舊方案中，系統提示必須一次性向模型注入所有可用工具的定義，隨著工具數量增加，這部分提示本身就會大量占用 token。 新的 Tool Search 則允許模型按需查詢工具定義，從而在工具規模較大的系統中顯著減少開銷，使調用更快、成本更低。

圍繞安全性與可控性，OpenAI 此次增加了新的安全評估，用于測試模型在多步任務中的“思維鏈”（chain?of?thought）表現。 研究者長期擔心，具備推理能力的模型可能在鏈式思考過程中“偽裝”或隱藏真實推理路徑，已有研究表明，在特定條件下這種情況確實可能發生。 OpenAI 給出的新評估結果顯示，在 GPT?5.4 Thinking 這一版本中，這類“欺騙性”表現出現的概率更低，“這表明模型缺乏主動隱藏推理過程的能力，思維鏈監控依然是有效的安全工具”。

通過 GPT?5.4 及其 Pro 與 Thinking 版本的同步推出，OpenAI 試圖在專業生產力、成本效率和安全可控之間找到新的平衡點，將大模型進一步推向法律、金融和知識工作等高價值場景。