100萬 Token + 接管鼠標：GPT-5.4 正把 AI 推向“數字員工”

如果一個 AI 能夠閱讀整套項目文檔，在復雜問題上進行長時間推理，并且自己操作電腦完成任務，它就不再只是一個聊天機器人。

它更像是一種新的軟件形態。

隨著 OpenAI 推出 GPT-5.4 Thinking 與 GPT-5.4 Pro，這種變化正在變得具體。100 萬 Token 上下文、推理時計算模式，以及原生計算機操作能力，第一次在同一代模型中同時出現。

當這些能力開始匯合，大模型的角色也在發生轉變——從回答問題，轉向直接完成工作。

GPT-5.4：一次圍繞“執行能力”的模型升級

2026 年 3 月初，硅谷再次進入密集的 AI 發布周期。

在多輪業內傳聞之后，OpenAI 推出了 GPT-5.4 系列模型。與過去幾次升級主要強化聊天體驗或推理能力不同，這一版本的能力組合明顯指向一個更實際的目標：讓 AI 更直接地參與真實工作流程。

公開信息顯示，模型的核心能力包括：最高 100 萬 Token 上下文窗口、GPT-5.4 Thinking 推理模式、Computer-Use 原生計算機操作能力，以及 Tool Search 工具檢索機制。這些能力并非單點突破，而是圍繞“執行能力”的系統性升級。

在桌面任務基準 OSWorld benchmark 的測試中，模型完成任務的成功率約為 75%，略高于該 benchmark 的人類測試基線約 72%。而在職業任務評估 GDPval benchmark 中，模型在 44 種知識型工作任務中約 83% 的評分進入專家區間。

這些指標本身或許仍需要更多實際驗證，但它們指向的趨勢非常明確：AI 正在從信息處理工具變成任務執行系統。

長上下文：模型第一次能“讀完整個項目”

企業在部署大模型時，一直面臨一個結構性限制——上下文窗口。早期模型只能處理有限的信息量，這迫使企業構建復雜的 Retrieval-Augmented Generation（RAG）系統：文檔被拆分、向量化、索引，再在查詢時重新拼接給模型。

這種架構在過去兩年成為 AI 工程的標準方案，但也帶來了新的復雜度。數據被切塊后，上下文關系容易丟失；檢索系統本身也增加了延遲與維護成本。

GPT-5.4 將上下文窗口擴展到 100 萬 Token。這意味著模型在單次任務中理論上可以處理完整代碼庫、長期財務記錄，甚至整個項目文檔集合。

RAG 并不會消失，因為權限控制、實時數據更新以及索引效率仍然是企業系統不可替代的一部分。但在很多分析型任務中，超長上下文確實降低了對復雜檢索架構的依賴。

更重要的是，模型開始具備一種過去難以實現的能力：理解完整項目，而不是零散信息片段。

Computer-Use：AI 開始直接操作軟件

如果說長上下文改變的是理解能力，那么 Computer-Use 改變的則是執行能力。

在這一模式下，模型可以通過視覺理解軟件界面，并模擬鼠標點擊、鍵盤輸入以及應用導航等操作。這意味著 AI 不再只通過 API 調用系統，而是可以像用戶一樣直接操作軟件界面。

這一變化對企業自動化領域尤其重要。過去二十年，大量企業流程自動化依賴 Robotic Process Automation（RPA）系統，其核心邏輯是通過腳本執行固定步驟，例如錄入數據或在系統之間復制信息。

而具備視覺理解與規劃能力的 AI，則可能承擔更復雜的任務，例如：

• 跨系統整理數據

• 執行多步驟后臺流程

• 在陌生界面中尋找操作路徑

RPA 并不會立即被取代，但 AI 代理已經開始進入它們長期占據的自動化領域。

推理時計算：AI 學會“慢思考”

GPT-5.4 的另一項關鍵變化，是 Thinking 模式。這一模式并不是簡單擴大模型規模，而是在推理階段投入更多計算資源，從而提高復雜任務的可靠性。

這代表著大模型發展的一條重要路線：推理時計算（compute-at-inference）。過去十年，模型能力主要依賴訓練階段的大規模數據與算力，但隨著預訓練收益逐漸遞減，越來越多公司開始把算力投入到推理階段。

類似趨勢也出現在其他 AI 公司，例如 Anthropic 的深度推理模式，以及 Google 在復雜任務中的推理系統。

這種模式的特點很明顯：響應時間更長、計算成本更高，但復雜任務的成功率明顯提高。在法律分析、財務建?；驈碗s決策任務中，這類“慢思考 AI”反而更接近真實的專業工作方式。

Tool Search：被低估的架構升級

相比百萬 Token 與 computer-use，Tool Search 可能是這次發布中最容易被忽視的一項升級。

過去，當模型需要調用工具時，開發者通常必須把所有工具說明都加載進提示詞中。這不僅占用上下文空間，也增加了 Token 成本。

Tool Search 改變了這一機制：模型可以在需要時檢索工具定義，而不是預加載全部工具。

在多工具系統中，這種方式可顯著減少工具相關的 Token 消耗。對于構建復雜 AI 系統的開發者而言，這類架構優化往往比單純提升模型能力更重要。

因為真正的大規模 AI 應用，通常由幾十甚至上百個工具共同組成。

AI 競爭的真正焦點正在改變

如果把這些變化放在一起觀察，就會發現 AI 競爭的重心正在發生變化。

過去幾年，大模型競爭主要集中在規模、參數與價格。但現在，競爭正在逐漸轉向另一件事情：誰能讓 AI 真正完成任務。

在這個維度上，不同公司的策略逐漸分化：

• OpenAI：強調 AI 代理與執行能力

• Anthropic：強調可靠推理與安全性

• Google：強調工具生態與云基礎設施

這場競爭的終點，很可能不是更聰明的聊天機器人，而是一種新的軟件形態。

一種可以理解任務、規劃步驟并執行操作的 AI 工作代理。

軟件范式正在變化

從更長的上下文，到更強的推理，再到直接操作軟件界面，大模型正在同時獲得三種能力：理解信息、思考問題、執行操作。

當這三種能力結合在一起時，AI 就不再只是軟件的一個接口，而可能逐漸成為新的軟件平臺。

在這種結構下，大模型不僅會改變搜索、寫作或編程工具，還可能重新塑造企業軟件的基本形態。

問題已經不再是 AI 能否理解工作。而是 AI 何時開始真正接管工作流程。（本文首發鈦媒體App , 作者｜硅谷Tech news，編輯｜秦聰慧）