GPT-5.4发布:AI第一次把操作电脑内置进通用模型,这不是升级,是换挡

今天，OpenAI发布了GPT-5.4。官方博客标题很克制，但有一句话值得单独画出来："first general-purpose model we've released with native, state-of-the-art computer-use capabilities"。

第一个原生computer-use能力的通用模型。

翻译过来就是：AI第一次把"操作电脑"这个能力，直接烧进了一个什么都能做的通用模型里。不是插件，不是实验性功能，是内置。

关键数字：1M tokens上下文、整合GPT-5.3-Codex全部编码能力、比GPT-5.2更省token（"significantly fewer tokens"，OpenAI原文）。同步上线ChatGPT、API和Codex三端。

等等，你可能会问：computer-use不是早就有了吗？Anthropic去年就出过computer-use版Claude。

是的，你没看错——但有一个关键区别：Anthropic的computer-use是一个独立的"实验性"模型，和主线Claude分开，能力有限，API单独收费，用起来像个半成品。

GPT-5.4不一样。OpenAI的原文是"native"——原生。这意味着：

• 不是另起一个模型，是在同一个模型里直接支持
• 不是光标点击的玩具级别，是"carrying out complex workflows across applications"
• 支持agent在应用之间切换、在软件里操作、跨工具完成长任务

举个场景：你告诉Agent"帮我把昨天的销售数据整理成PPT发给张总"。过去，这句话要拆成5个步骤手动操作。GPT-5.4理论上可以：打开Excel→读数据→打开PowerPoint→生成图表→发邮件，全程无人值守。

这不是科幻。这是今天可以在API里调用的能力。

1M tokens是什么概念？

大约相当于750,000个英文单词，或者约100万个汉字。一本普通的商业书大概是10万字，所以1M token能装下10本书。

实际用途更直接：

• 一个中型企业的全部内部文档 → 装进去
• 一个完整代码库（10万行以上）→ 装进去
• 三个月的销售邮件记录 → 装进去

▎真正的问题从来不是AI记不住，而是装进去的东西，AI能不能找到对的那一个。

GPT-5.4同步推出了"tool search"——Agent能自动搜索并找到合适的工具，不需要开发者预先列出所有工具。

这两个能力加在一起，对Agent开发者意味着：你再也不用精心设计"系统记忆"的数据结构了。把所有上下文塞进去，让模型自己找。

GPT-5.4比GPT-5.2"significantly fewer tokens to solve problems"。

这句话的商业含义比技术含义重要得多。

如果你在跑AI Agent业务，成本是这样算的：每次任务 = N次API调用 × 每次token数 × 单价。token减少 = 同样的任务，成本更低，速度更快。

同时，GPT-5.4还支持upfront plan：在ChatGPT里，模型会先给你看它的"思考计划"，你可以在它执行过程中随时打断调整，不用等到最后才发现跑偏了。

这个功能看似小，实际上解决了AI Agent最大的痛点：不可控。过去Agent跑一半做错了，只能全重来。现在可以中途介入。

我花了一上午看GPT-5.4的所有官方材料。有几个判断：

判断一：computer-use是今年最重要的分水岭

2024年是大模型年，2025年是Agent框架年，2026年是computer-use年。当AI能直接操作任何软件，"AI辅助"变成了"AI执行"。对创业者的影响：过去你需要为每个业务场景写专门的集成代码，现在模型自己能操作软件了，中间层的价值在下降。

判断二：1M context让"知识库"这个SaaS类别承压

现在很多公司的商业模式是：帮企业做RAG（检索增强生成），把文档分块、向量化、检索。当context足够大，可以直接把所有文档塞进去，RAG的必要性大幅降低。这不是说RAG死了，而是那些纯靠"帮企业存文档"赚钱的SaaS，护城河越来越浅。

判断三：如果让我选现在最值得做的AI产品，我会选操作层

今天可以做的第一步：去API文档看computer-use的调用方式，找一个你熟悉的行业，想清楚"哪个最重复的操作流程可以用这个能力替代"。不需要完整产品，先做一个可演示的demo。

数据来源与说明：

• Introducing GPT-5.4^[1]（OpenAI官方博客，2026-03-05）
• GPT-5.4 Thinking System Card^[2]（OpenAI，2026-03-05）

算力与现金流 · AI 时代的第一手洞察

引用链接