GPT-5.4發布：OpenAI首個大一統模型，簡直是龍蝦原生

衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

GPT-5.4，它來了！

它更像是一個“模型能力大一統”成果：OpenAI首次在單一模型中，把推理（Reasoning）、編程（Coding）、計算機原生交互（Computer Use）、深度網頁搜索以及百萬級Token上下文全部揉碎、重組，焊死在了同一個模型里。

重點是，沒有因為N in one而犧牲掉任何一個單項的性能——

OpenAI特別強調，GPT-5.4在以上領域的多個關鍵基準測試中依然保持領先。

跳票許久的OpenAI，終于冷不丁給了AI大模型圈梆梆一拳。

其中最能吸引開發者目光的，莫過于它是OpenAI首個原生支持“計算機使用”能力的通用模型。

我耳邊都已經聽到GPT-5.4的聲音了：

• 玩兒龍蝦的朋友們，走過路過考慮一下我咯～

同時，官方博文顯示，GPT-5.4的效率也出現了明顯提升。

相比GPT-5.2，GPT-5.4在推理過程中使用的Token數量顯著減少。

Token消耗下降意味著響應速度更快，同時整體成本也更低。

是的，它變強了，但也變便宜、變快了。

這也是OpenAI這次發布反復強調的一點：能力提升和效率優化是同時發生的。

隨著GPT-5.4上線，ChatGPT中的模型體系也隨之調整。

GPT-5.4同步上線ChatGPT、API以及Codex。

在API價格體系中，GPT-5.4的單Token價格略高于GPT-5.2，但由于任務所需Token減少，總體成本可能并不會上升太多。

面向復雜任務的GPT-5.4 Pro版本也一起推出，在ChatGPT中則提供為GPT-5.4 Thinking。

值得小伙伴們注意的一點，GPT-5.4 Thinking將取代此前的GPT-5.2 Thinking，且GPT-5.2將在三個月后正式退役。

而GPT-5.1系列將在3月11日就要從ChatGPT里say bye bye了。

珍惜你們最后相處的甜蜜時光吧～

目前各個社交媒體已經炸開了鍋。

有網友感慨道擁有百萬token上下文窗口、還能原生使用電腦的GPT-5.4，和蘋果史上最便宜筆記本電腦MacBook Neo同周發布……

“天爺啊，我的筆記本電腦正在經歷一場存在主義危機！！”

三大能力提升，系OpenAI首個原生支持電腦操作的通用模型

在具體能力層面，GPT-5.4的升級可以概括為三個方向：

• 深度知識工作(Knowledge Work）
• 原生計算機使用(Computer Use）
• 高階編程與調試(Coding）

這三種能力基本覆蓋了當前大多數數字工作的核心流程，而GPT-5.4都做得挺出色。

我們一一來看。

深度知識工作 (Knowledge Work）

首先是知識工作能力。

在衡量AI處理44種職業知識工作能力的GDPval基準測試中，它平局+獲勝的綜合得分83.0%。

多說幾句嗷，GDPval評測主要是用來測試模型在真實職業場景中的表現，它評測涉及44種職業，覆蓋了美國GDP貢獻最高的9個行業。

具體任務上并不只是簡單問答，它要求模型完成真實工作產物，例如銷售演示文稿、會計表格、排班表、制造流程圖甚至短視頻。

所以在大量知識工作任務中，GPT-5.4的結果已經能夠與專業從業者持平，甚至超過他們。

此外，OpenAI特別強化了GPT-5.4在辦公文檔領域的能力。

例如在內部投資銀行建模測試中，GPT-5.4的平均得分達到87.3%，而GPT-5.2為68.4%。在人類評審的PPT生成測試中，評委有68%的時間更偏好GPT-5.4生成的結果，原因包括視覺效果更好、版式更豐富以及圖片使用更合理。

從應用角度來看，這些能力對應的場景非常直接。

包括寫報告、做財務模型、制作演示文稿、分析商業數據等工作，都是典型的知識型任務。

GPT-5.4正在朝著這類任務進行專門優化。

原生計算機使用 (Computer Use）

GPT-5.4最引人關注的一項能力是原生計算機操作，這是GPT-5.4區別于以往所有模型的核心標志。

模型可以通過截圖理解軟件界面，然后執行鼠標點擊和鍵盤輸入等操作。

包括發送郵件、創建日歷事件、填寫表單、操作網頁等……都可以通過這種方式完成。

在WebArena瀏覽器任務測試中，GPT-5.4取得67.3%的成功率，高于GPT-5.2的65.4%。

在Online-Mind2Web測試中，僅通過截圖觀察完成網頁操作時，GPT-5.4的成功率達到92.8%。

此外，在OSWorld-Verified基準測試中，GPT-5.4在桌面操作任務中的成功率達到75.0%，已經超過人類平均水平（72.4%）。

這些數據背后代表的是一種新的交互模式，也算是沒落下最近的龍蝦狂熱潮。

高階編程與調試

第三個關鍵能力來自編程。

而且強調的是“高階編程”。

GPT-5.4吸納了此前最強的編程模型GPT-5.3-Codex的能力。現在的它不僅支持Token輸出速度提升1.5倍的/fast模式，還加入了一個名為“Playwright (Interactive)”的實驗性技能。

它允許AI在幫你寫網頁或者應用時，開啟一個窗口進行視覺化調試。

比如你給它一個簡單的需求去做模擬游戲，它能一邊生成美術資產、一邊寫邏輯，甚至一邊運行自動測試來驗證游戲狀態是否正常。

在SWE-Bench Pro測試中，GPT-5.4取得57.7%的成績，略高于GPT-5.3-Codex的56.8%，同時延遲更低。

內部測試還顯示，GPT-5.4在復雜前端任務中的表現明顯優于此前模型。生成的界面設計更加美觀，功能結構也更完整。

為了展示這一能力，OpenAI演示了一個由GPT-5.4生成的瀏覽器主題公園模擬游戲。

模型從簡單提示詞出發，生成游戲資源、構建場景、編寫邏輯，并通過自動瀏覽器測試不斷迭代。

這種“邊造邊測”的能力，已經非常接近一個人類高級全棧工程師的工作流。

一種趨勢不言而喻：

• UI交互正在取代繁瑣的API對接，成為AI操作世界的新主流路徑。

emmmm，這可能會讓很多中間件失去價值。

整體定位：AI數字員工

看完上述能力的整合，你就能讀懂OpenAI在官方博文里透露出的野心。

OpenAI在發布文章中多次提到：

• GPT-5.4的目標是成為能夠完成真實工作的Agent系統。

如果說之前的GPT模型版本還是一個需要你盯著看的輔助工具，那么GPT-5.4已經開始嘗試成為一個能獨立負責整塊業務的數字員工。

這種“AI數字員工化”體現在三個維度的飛躍。

首先是電腦操作能力。

模型可以通過截圖理解軟件界面，并通過鼠標和鍵盤指令進行操作。

這使得AI能夠直接在電腦環境中執行任務。

其次是瀏覽器任務能力。

在BrowseComp測試中，GPT-5.4的成績達到82.7%，而GPT-5.4 Pro達到89.3%，比GPT-5.2提升17個百分點。

這意味著模型能夠持續搜索網頁、篩選信息并整合結果，尤其適合處理需要多輪檢索的問題。

第三是多工具調用能力。

在Toolathlon基準測試中，GPT-5.4取得54.6%的準確率，高于GPT-5.2的45.7%。

這個測試的任務通常需要多步驟操作，例如讀取郵件附件、上傳文件、評分作業并記錄到表格中。

這種按需檢索工具的能力是降低Agent運行成本的關鍵，它解決了過去模型在面對復雜指令時容易“迷路”或者Token爆炸的問題。

此外，對于對延遲要求較高的場景（在這種場景中，人們傾向于不進行推理操作），GPT-5.4 比其前輩版本有了進一步的改進。

細節之處的全面進化

除了上述支柱能力，GPT-5.4在辦公細節上也進行了大量打磨。

比如它在創建和編輯電子表格、PPT方面的表現，其表格建模準確率從68.4%躍升至87.3%。

在演示文稿生成測試中，人類評審也更偏好GPT-5.4的結果，認為其視覺多樣性和審美更強。

同時，視覺能力的提升也帶動了文檔解析的進步。

在MMMU-Pro視覺推理測試中，GPT-5.4取得81.2%的準確率，高于GPT-5.2的79.5%。

更重要的是，它現在支持高達1024萬像素的原圖輸入，對高密度、高分辨率的圖像理解更加精準。

視覺能力的提升也帶來了更強的文檔解析能力。

在OmniDocBench測試中，GPT-5.4的平均錯誤率從0.140下降到0.109。

最令人欣慰的是錯誤率的下降。

從官方介紹中能初步感覺到，GPT-5.4是個極其講求事實的模型，其事實錯誤概率比前代降低了33%，大大緩解了用戶對模型幻覺的焦慮。

在效率方面，GPT-5.4引入工具搜索機制。

過去模型在使用工具時，需要在Prompt中包含所有工具定義。如果工具數量很多，Prompt就會變得非常龐大。

現在模型可以先獲取工具列表，然后按需查詢具體工具定義。

在實現相同準確率的情況下，將總Token使用率降低了47%。

這種成本控制手段說明OpenAI正試圖讓大模型大規模商業化變得更加現實，畢竟對于企業來說，省錢和好用同等重要。

更好用了，但更省錢了嗎？

從OpenAI公布的API定價表來看，GPT-5.4的定價確實比5.2版本要高出一截。

GPT-5.2的每百萬Token輸入/輸出價格分別是1.75美元和14美元，而GPT-5.4則上漲到了2.5美元和15美元。

尤其是對于那些追求極限性能的用戶，GPT-5.4 Pro的價格更是飆升到了每百萬輸入30美元。

當然，原因肯定是5.4被定位為針對專業機構和高端生產力場景的溢價產品。

如果你只是寫寫簡單的閑聊文案，繼續用5.2其實更劃算。

不過雖然單價漲了，但GPT-5.4在Agent任務中的“省錢之道”主要藏在它的技術機制里。

最核心的一點是就是工具搜索（Tool Search）功能。

以往我們讓AI接入外部工具（比如接入幾十個公司的數據庫和內部接口）時，必須把所有工具的定義全部塞進提示詞里。

哪怕AI這次只用了一個工具，你也得為剩下的幾十個工具的定義支付Token費用。

但在GPT-5.4下，由于引入了類似“查字典”的搜索機制，模型可以先看一遍簡略的工具清單，等確定要用哪個時，再臨時去調取那個工具的詳細定義。

在針對MCP Atlas基準測試的實驗中，這項技術在保持同等準確率的情況下，把總Token使用量足足降低了47%。

One more Thing

大家沉浸在技術狂歡中時，也有網友分享了一些肉痛瞬間。

永遠在沖浪一線的Yuchen Jin只是對GPT 5.4 Pro說了一句“Hi，俺是Anthropic創始人”，就花掉了整整560元……

技術進步好快，但網友的心好痛。

這也引出一個問題，殺雞焉用牛刀？

• 如果GPT-5.4 Pro是最智能、最接近AGI的模型……那么，你有什么AGI級別的問題要問它呢？
  （何況還這么貴，TAT）