OpenAI發(fā)布GPT5.4，AI首次比人類更會操作電腦，這些崗位受沖擊

大模型的競爭絲毫沒有冷卻的跡象，OpenAI日前又甩出一個“王炸”——GPT-5.4。這是OpenAI首次將前沿推理、編碼與智能體能力整合于單一模型，官方認為它是“目前面向專業(yè)工作推出的能力最強、效率最高的前沿模型之一”，標志著AI技術從對話交互向自主智能體執(zhí)行任務邁出關鍵一步。

GPT-5.4在兩個維度上進步明顯：第一、動手能力，它是OpenAI首個具備原生計算機使用能力的通用模型，在桌面操控測試中首次超越了人類平均水平；第二、它的“情商”有所提升，該模型在SimpleQA準確率上達到62.5%，較GPT-4o提升了24%，幻覺率下降了25%。

與電腦打交道的白領工作，會被GPT-5.4顛覆嗎？

AI白領超越人類白領

GPT-5.4最具突破性的創(chuàng)新在于其原生計算機使用能力。此前，無論是ChatGPT Atlas還是AutoGPT類智能體，均采用外掛插件或獨立智能體模式，并非模型原生功能。

OSWorld-Verified是當前最權威的“計算機使用”評測基準，它測試AI代理通過截圖觀察、鼠標鍵盤操作來完成任務，支持369個真實世界任務，覆蓋文件管理、網(wǎng)頁瀏覽、辦公軟件、多應用協(xié)作等場景。GPT-5.4在該評測中取得了75%的任務成功率，首次超過72.4%的人類平均水平。

在另一款評估工具GDPval上，GPT-5.4的表現(xiàn)同樣亮眼。GDPval是OpenAI于去年9月推出的評估工具，其獨特之處在于評測“明確任務下的交付質量”，而非簡單的問答能力。評分采用同職業(yè)專家盲評對比——將“模型交付結果”與“人類專家交付結果”并列盲審，由同職業(yè)專家評判優(yōu)劣。結果顯示，GPT-5.4在83%的任務中表現(xiàn)等于或優(yōu)于人類專家，尤其在投行級電子表格建模、演示文稿生成和法律文書等任務上，領先優(yōu)勢更為明顯。

GPT-5.4帶有“小龍蝦”風格

“SeeDance2.0、OpenClaw、GPT-5.4……仿佛又回到了GPT-4剛發(fā)布時的那種感覺，每天都有新變化，應接不暇?！鄙虾Ｈ斯ぶ悄苎芯吭杭夹g中心主任林圓圓的一句玩笑話，道出了如今AI賽道上“你追我趕”的現(xiàn)狀，每支隊伍都鉚足了勁，一次更新就能引來業(yè)內格局變動。

行業(yè)的范式轉移已經(jīng)顯現(xiàn)。今年年初舉行的清華大學AGI-Next峰會明確提出，大模型競爭已從“對話”階段正式轉向“智能體”階段，執(zhí)行能力在下半場競爭中至關重要。今年2月，OpenAI 首席執(zhí)行官山姆·奧特曼宣布OpenClaw創(chuàng)始人彼得·斯坦伯格加入OpenAI，致力于推動下一代個人智能體的研發(fā)。

外號“小龍蝦”的OpenClaw是當下最火爆的AI項目。3月1日，OpenClaw以24.5萬顆星登頂GitHub榜首，超越了長期占據(jù)榜首的Linux和React。奧特曼評價道：“彼得是一位真正的天才，他對未來高度智能的智能體如何協(xié)作以服務人類有著許多令人驚嘆的構想。”

這一人事變動對GPT-5.4的發(fā)布產生了直接影響。有開發(fā)者觀察到，GPT-5.4的多項核心功能——原生電腦操控、100萬token上下文、工具搜索帶來的47%token成本節(jié)約，恰好踩中了OpenClaw的技術痛點。

大模型進入差異化競爭時代

GPT-5.4固然強大，但強大亦有邊界。綜合來看，它在專業(yè)工作場景，特別是金融分析、辦公自動化、知識工作中展現(xiàn)了顯著的能力提升，但在編程能力上落后于Claude Opus 4.6，在科學推理上落后于Gemini 3.1 Pro，在醫(yī)療健康領域甚至出現(xiàn)了小幅退步。另外，盡管GPT-5.4在OSWorld-Verified測試中確實超越了人類基準，但這只是在特定的369個任務上，且測試環(huán)境是可控的虛擬機。在更復雜、更開放的真實場景中，AI與人類的表現(xiàn)差距可能截然不同。

如果說三年前的大模型還在同一條跑道上競爭，那么如今，已經(jīng)很難用同一把標尺來衡量“各懷絕技”的大模型了。正如一位業(yè)內人士所言：“不再有‘最好的AI’——想操控電腦、做PPT、跑知識工作？選GPT-5.4。想寫代碼、跑智能體、做復雜開發(fā)？選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？選Gemini 3.1 Pro?！?/p>

價格也是不得不考慮的因素。GPT-5.4的輸入價格達到了30美元/百萬tokens，是Claude Opus 4.6的6倍、Gemini 3.1 Pro的15倍、MiniMax M2.5的100倍，相當于對GPT-5.4 Pro說一句“嗨”，模型思考5分鐘就可能花掉80美元。

林圓圓認為，大模型的競爭最終將歸于算力。人工智能大模型的快速發(fā)展對高性能算力提出空前需求，算力預計還有成百上千倍的增長空間。今年全國兩會提出在將在包括電網(wǎng)、算力網(wǎng)、新型通信網(wǎng)等在內的“六張網(wǎng)”等重點領域投入超過7萬億元，這一布局意義重大。

來源 | 文匯報

作者 | 沈湫莎