OpenAI 又出手了。

就在刚刚，GPT-5.4 正式发布。

如果只用一句话总结这次更新，那就是：

OpenAI 把推理、编程、Agent、工具调用、电脑操作、视觉理解、办公能力，几乎全部塞进了同一个模型里。

而且，还第一次把百万级上下文窗口带进了 GPT 主力模型。

这不是一次常规升级。

这更像是 OpenAI 对外释放的一个明确信号：

大模型的竞争，已经不再只是“会不会聊天”，而是正式进入“能不能真正干活”的阶段。

从这个角度看，GPT-5.4 很可能会成为未来很长一段时间里，企业级 AI、开发者 Agent、以及生产力工作流的一个新基准。

01｜GPT-5.4 到底是什么？一句话看懂

这次 OpenAI 一共给出了三个版本：

• ChatGPT 里：GPT-5.4 Thinking

• API / Codex 里：GPT-5.4

• 追求极限性能的版本：GPT-5.4 Pro

表面上看只是一次版本更新，但实际上，它做了一件非常关键的事：

把 GPT-5.2 的通用推理能力，和 GPT-5.3-Codex 的顶级编程能力，合并成了一个模型。

这意味着什么？

意味着过去你可能需要：

• 一个模型负责推理

• 一个模型负责写代码

• 一个模型负责调用工具

• 一个 Agent 框架负责串流程

而现在，OpenAI 想做的是：

尽量让一个模型，直接把复杂任务做完。

官方原话的核心意思其实非常直接：

用更少的来回，更准确地完成复杂的实际工作。

说白了，就是让 AI 不只是“回答问题”，而是“真的把事办了”。

02｜最炸裂的更新：百万上下文，Agent 终于不再“失忆”

这次最震撼的一个点，是 GPT-5.4 在 Codex 和 API 中，实验性支持100 万 token 上下文窗口。

100 万 token 是什么概念？

大概相当于：

• 5000 页文档

• 一个大型代码仓库

• 超长任务链中的完整历史记录

过去做长任务时，很多人最大的痛点都不是模型不聪明，而是：

它记不住。

前面分析了一大堆，后面一长轮思考下来，模型开始忘上下文；
多工具调用几轮之后，前面约束丢了；
长代码仓库一塞进去，成本直接爆炸。

而百万上下文窗口，解决的正是这个根问题。

它的意义不是“能塞更多字”，而是让 Agent 在超长工作链里真正具备：

• 持续规划能力

• 长程依赖理解能力

• 多阶段执行和验证能力

• 不轻易半途“失忆”的稳定性

以后做复杂项目，可能真的会少一个经典焦虑：

上下文恐慌。

更关键的是，OpenAI 还特别强调：GPT-5.4 在长时间思考时，对早期上下文的保持能力也更强。

也就是说，它不只是“窗口更大”，而是“记性也更稳”。

这对开发者、研究员、法务、咨询、金融分析、长文档处理来说，几乎都是质变。

03｜可以中途打断：ChatGPT 从“回合制”变成“实时协作”

如果说百万上下文是开发者最兴奋的点，那么普通用户最能直观感受到的升级，可能是这个：

GPT-5.4 Thinking 现在支持中途打断。

这个功能看起来像个小优化，但其实非常重要。

以前的 ChatGPT 使用体验更像“回合制对话”：

你提问，它开始输出；
如果方向跑偏了，你只能等它说完；
然后重新提问，再来一轮。

但现在不一样了。

GPT-5.4 Thinking 会先给出一个思考计划，而在它执行和回答的过程中，你可以随时插话：

• 补充新的信息

• 改变任务方向

• 修正它的理解

• 中途重新约束目标

它会把这些新指令直接融进去，继续往下做。

这意味着什么？

意味着和 AI 的交互方式，第一次真正开始接近“协作”而不是“问答”。

比如你让它做旅行规划，它正在帮你查机票，这时你突然决定不要坐飞机，改成自驾游。以前你得整轮推倒重来；现在你只需要中途更新，它就能马上转向。

这对长链路任务尤其重要。

因为越复杂的任务，越不可能在一开始就把所有条件想清楚。
现实世界里的工作，本来就是一边做一边修正。

GPT-5.4 的这个能力，本质上是在让 AI 更贴近真实工作流。

这不是“模型更聪明一点”的问题，而是：

交互范式变了。

04｜会操作电脑了：OpenAI 第一个原生支持 Computer Use 的通用模型

这次另一个重磅升级，是 GPT-5.4 成为 OpenAI 第一个原生支持 Computer Use 的通用模型。

什么叫 Computer Use？

简单理解就是：

模型可以像人一样操作电脑。

它可以：

• 看屏幕截图

• 识别界面元素

• 点击按钮

• 输入文字

• 跨应用完成任务

• 配合代码执行自动化流程

也就是说，AI 不再只是“会说怎么做”，而是开始“自己动手做”。

这背后对应的是 Agent 能力的一次大跃迁。

过去很多自动化流程，其实卡在最后一步：
模型能理解任务，也能制定计划，但无法真正进入界面执行。

现在，GPT-5.4 把这一步补上了。

而且性能非常夸张。

在模拟桌面操作的 OSWorld 测试中，GPT-5.4 成功率达到 75.0%。

对比一下：

• GPT-5.2：47.3%

• 人类水平：72.4%

也就是说，在这个基准上，GPT-5.4 已经超过了人类。

同时，它在浏览器任务测试 WebArena 上拿到 67.3%，在 Online-Mind2Web 上达到 92.8%。

这说明什么？

说明 AI 从“会回答”走向“会执行”的速度，比很多人预期得更快。

未来很多重复性的电脑工作，可能真的会先被 Agent 吃掉。

05｜视觉能力全面升级，AI 不只是看得见，而是看得更准了

Computer Use 背后的核心，其实是视觉能力的升级。

GPT-5.4 这次新增了 original 图片输入模式，支持超高分辨率图像输入，最高可达 1024 万像素，而 high 模式也升级到了 256 万像素。

这意味着它处理复杂界面、高清截图、文档页面、图表细节时，会更精确。

直白点说：

以前模型“看图”，很多时候是模糊理解；
现在它开始接近真正意义上的“视觉解析”。

这带来的变化非常直接：

• 点按钮更准了

• 看图理解更稳了

• 文档结构识别更强了

• 图像定位能力更好了

在 MMMU-Pro 视觉理解测试中，GPT-5.4 的成绩进一步提升。
文档解析方面，在 OmniDocBench 上，它的平均错误率也明显下降。

这意味着：

以后 AI 不只是能读文字，还能更可靠地读截图、读表格、读 PDF、读复杂版面。

而这正是办公自动化和电脑操作能力成立的基础。

06｜编程更强，但更可怕的是：它开始“边写边干”

GPT-5.4 还整合了 GPT-5.3-Codex 的前沿编程能力。

在 SWE-Bench Pro 上，它达到 57.7%；
在 Terminal-Bench 2.0 上得分 75.1%；
而且延迟更低。

这意味着对开发者来说，它不只是“写代码更好”，而是整体工作流更顺了：

• 理解项目上下文更强

• 多文件改动更稳定

• 工具调用更准确

• 终端任务完成度更高

• 前端界面生成更美观

OpenAI 还特别提到，GPT-5.4 在复杂前端任务上表现尤其突出，生成的 UI 比以往所有模型都更美观、更可用。

这件事很值得重视。

因为写代码的上半场，是“能不能写出来”；
而下半场，是“能不能写得像能上线的东西”。

显然，OpenAI 正在把模型往第二阶段推。

更有意思的是，它还发布了一个实验性的 Codex Skill：Playwright (Interactive)。

什么意思？

就是模型可以在构建 Web 或 Electron 应用时，一边写，一边测，一边调。

本质上，它开始拥有“自测 + 自修”的能力。

这个方向一旦成熟，对软件开发流程的冲击会非常大。

07｜最省 token 的推理模型，贵一点，但可能反而更便宜

看价格，GPT-5.4 比 GPT-5.2 确实更贵了一点：

• 输入：从 $1.75/M 提升到 $2.50/M

• 输出：从 $14/M 提升到 $15/M

Pro 版本也同步上涨。

但这次 OpenAI 强调了一个核心点：

GPT-5.4 是目前最省 token 的推理模型。

什么意思？

就是它虽然单价更高，但完成同样任务所消耗的推理 token 更少，整体速度更快。

对于很多真实业务场景来说，最终看的不是“单 token 单价”，而是：

完成一个任务总共要花多少钱。

如果它能用更少的轮次、更少的 token、更少的错误返工把任务做完，那总成本很可能反而下降。

这也是为什么 OpenAI 这次一直在强调：

效率，已经开始比参数和跑分更重要。

08｜工具调用终于没那么“烧 token”了

这次还有个非常容易被低估的升级：Tool Search。

以前给模型配工具时，有个非常头疼的问题：

你得把所有工具定义都塞进 prompt 里。

工具少还好，一旦工具多起来，提示词会膨胀得非常夸张。
几万 token 可能还没开始做事，先被工具说明吃掉了。

而 GPT-5.4 引入的 Tool Search 机制，本质是：

先只给模型一个轻量级工具列表，真正需要某个工具时，再去查那个工具的定义并临时加载。

这个设计的价值非常大：

• 更省 token

• 更快

• 更便宜

• 缓存更友好

• 多工具系统可扩展性更强

在 MCP Atlas 测试中，36 个 MCP 服务器同时开启时，Tool Search 比传统模式减少了 47% token 消耗，而准确率不变。

这对真正做 Agent、MCP、企业工具编排的人来说，几乎是实打实的生产力升级。

因为很多时候，限制 Agent 落地的不是模型智商，而是：

调用成本太高，系统太重，工具一多就失控。

GPT-5.4 正在试图把这件事变得更可用。

09｜更少幻觉，才是企业真正关心的能力

对普通用户来说，模型“更聪明”很重要；
但对企业来说，另一个能力更关键：

少胡说。

OpenAI 这次非常明确地说，GPT-5.4 是目前最不容易产生幻觉的模型。

与 GPT-5.2 相比：

• 单条回答中的错误声明减少 33%

• 整条回答包含任何错误的概率降低 18%

这件事的重要性，怎么强调都不过分。

因为大模型真正进入知识工作场景时，最怕的不是“不会”，而是“很自信地说错”。

尤其在这些场景里：

• 金融分析

• 法务辅助

• 研究咨询

• 企业文档处理

• 商业汇报

• 表格建模

• 幻灯片制作

如果幻觉率降不下来，模型再强也很难真正进入核心流程。

而从 OpenAI 给出的测试结果看，GPT-5.4 在知识工作和办公任务上的能力，已经有了明显上台阶的趋势。

比如在 GDPval 这类知识工作测试中，它在 44 个职业的实际任务中，83.0% 的情况下达到或超过行业专业人员水平。

在投行分析师电子表格建模任务上，也从 GPT-5.2 的 68.4% 提升到 87.3%。

甚至 PPT 制作，人类评审也更偏好 GPT-5.4 生成的版本。

这说明它的价值正在从“写个草稿”走向“产出像样交付物”。

10｜一组跑分看明白：GPT-5.4 到底强在哪

如果把这次的关键成绩浓缩来看，你会发现 GPT-5.4 的提升并不是某一个点特别突出，而是几乎全面增强：

编程

• SWE-Bench Pro：57.7%

• Terminal-Bench 2.0：75.1%

电脑操作与视觉

• OSWorld：75.0%

• MMMU-Pro：81.2%

工具与搜索

• BrowseComp：82.7%

• Toolathlon：54.6%

• MCP Atlas：67.2%

学术与推理

• ARC-AGI-2：73.3%

• FrontierMath Tier 4：27.1%

• Humanity’s Last Exam（带工具）：52.1%

• GPQA Diamond：92.8%

而 GPT-5.4 Pro 还进一步拉高了多项上限。

这说明一个问题：

OpenAI 这次不是只想做一个“更强的聊天模型”，而是在做一个真正面向复杂现实任务的通用执行模型。

11｜谁能用？哪些人会最先受益？

根据目前的信息：

在 ChatGPT 里，GPT-5.4 Thinking 已向 Plus、Team、Pro 用户开放，替代 GPT-5.2 Thinking。

Enterprise 和 Edu 用户可通过管理员开启早期访问。

API 方面，模型 ID 分别是：

• gpt-5.4

• gpt-5.4-pro

那么，谁会最先感受到这次升级的价值？

我觉得会是这几类人：

第一类，开发者。
长上下文、强编程、工具调用优化、Computer Use、边写边测，这些几乎全是开发效率利好。

第二类，重度知识工作者。
研究、咨询、金融、法务、战略、运营、内容策划，都会明显受益于更稳的长链路推理和更低的幻觉率。

第三类，AI Agent 创业者。
过去很多 Agent 项目卡在“能 demo，不能落地”，而 GPT-5.4 正在补这些最痛的短板。

第四类，高频使用 ChatGPT 的高级用户。
尤其是复杂任务场景，中途打断、深度搜索、长任务协作，会显著改善体验。

12｜真正值得关注的，不是 GPT-5.4 有多强，而是一个时代变了

如果只把 GPT-5.4 看成“跑分更高的新模型”，那就低估它了。

这次最值得关注的，其实不是某一项 benchmark 多了几个点，而是 OpenAI 展现出来的产品方向：

未来的大模型，不再只是回答问题，而是围绕“真实工作”来设计。

你会发现 GPT-5.4 的所有升级，都指向同一件事：

• 更长记忆

• 更强推理

• 更好编程

• 更会用工具

• 更少幻觉

• 更能操作电脑

• 更适合中途协作

• 更能处理办公交付物

这已经不是一个“聊天机器人”的升级逻辑了。

这是一个“数字工作者”的升级逻辑。

换句话说：

AI 的下一个阶段，已经不是陪你聊天，而是开始接手工作。

而 GPT-5.4，正在把这个未来往前推一大步。

结语：这次又轮到 OpenAI 了

过去一段时间，外界一直在问：

大模型还有没有“下一次明显跃迁”？

现在看，OpenAI 给出的答案是：

有，而且不只是一点点。

百万上下文、实时打断、电脑操作、视觉升级、编程增强、工具调用优化、幻觉下降、办公能力提升……

这些能力单独拿出来一个，都足够成为卖点；
而这次，它们被整合进了同一代模型。

这意味着，大模型正在从“能力演示”走向“生产系统”。

所以，GPT-5.4 最值得记住的一句话，不是它有多强，而是：

AI 开始真正像一个能协作、能执行、能交付的工作搭档了。

而这一次，OpenAI 又一次把节奏带了起来。

如下图所示：https://chat.aishare.icu