詳解GPT-5.4！全方位升級，就是有億點貴

大夥兒，如果你現在的桌面跟我一樣，爲了寫行代碼得開個 GPT-5.3-Codex，爲了查點資料得換成網頁搜索，中間還忍不住想切到 Claude 調戲一下…… 這種“精神分裂”式的 AI 體驗，可能真的要到頭了。

就在剛纔(北京時間3.6日3點左右)，OpenAI 毫無徵兆地甩出了一枚深水炸彈：GPT-5.4 正式發佈。

這次的升級邏輯非常簡單粗暴——整合，且拒絕平庸。 它把編程、推理、原生計算機操控、網頁搜索和百萬級別的上下文，全部塞進了一個模型裏，而且各項能力指標非但沒縮水，反而把前代按在地上摩擦 。

山姆·奧特曼也在 X 上發了條雲淡風輕的推文，總結了五個方向：工作更強、搜索更準、原生操控、百萬上下文、隨時介入 。

說白了，OpenAI 這次是想把咱過去兩年用 AI 時最憋屈的幾個痛點，一次性給剷平了。

知識工作：十次有八次，AI 比專業人士還穩

以前覺得 AI 只是個嘴強王者，但這次 GPT‑5.4 在 GDPval 基準測試上的表現確實有點狠 。這個基準橫跨了美國 GDP 貢獻最大的 9 個行業，任務全是職場裏真實發生的，比如給投行寫財務模型、給醫院排急診班次 。

結果顯示，GPT‑5.4 的產出有 83.0% 的比例被行業從業者認爲達到或超過了人類水準 。上代 5.2 版本這個數據是 70.9% 。

特別是在財務建模這種髒活累活上，GPT‑5.4 模擬初級分析師的表現直接衝到了 87.3%，比 5.2 版本高了將近 20 個百分點 。連最讓人頭疼的幻覺問題也收斂了不少，單條陳述的出錯概率比 5.2 降低了 33%，完整回覆含錯率降低了 18% 。

編程：從“寫代碼”進化到“造系統”

以前寫代碼，模型寫完你得複製出來，自己跑一下，報錯了再喂回去。

現在 GPT-5.4 自帶了一個 Playwright Interactive 的實驗性功能。簡單說，就是模型現在能一邊寫代碼，一邊自己開個瀏覽器窗口盯着。它既是程序員，也是測試員。

OpenAI 展示了一個案例：只給了一條輕量提示詞，它就寫出了一個帶遊客尋路、排隊算法、實時資金統計的模擬遊戲。整個過程，從代碼構建到多輪自動化測試驗證，模型自己全包了 。甚至有博主試完後感嘆：“Minecraft 基本上被攻克了，我得找個更難的東西來考它。” 

如果你是重度開發者，開啓 Codex /fast 模式後，Token 生成速度還能再快 1.5 倍 。這種流暢感，誰用誰知道。

原生計算機操控：它真的會自己動

這是本次發佈最硬核的部分。以前 AI 操控電腦像是在“隔空指揮”，現在 GPT-5.4 進化到了“原生內置” 。

在 OSWorld-Verified 基準測試裏，GPT-5.4 的桌面導航成功率達到了 75.0%，而人類的平均基線也就 72.4% 。沒錯，在這個領域，AI 已經正式完成了對人類的超越。

現實裏的表現更狠：有一家叫 Mainstay 的公司，用它去三萬個稅務網站自動填表，三次以內的成功率是 100% 。這背後靠的是視覺感知能力的史詩級加強，它現在能最高支持 1024 萬像素的超清圖像輸入 。界面上再小的按鈕，在它眼裏也跟路標一樣清晰。

工具調用與網頁搜索：不再爲“說明書”浪費錢

以前折騰 AI Agent 的哥們兒肯定深有體會，如果你掛了幾十個 MCP 工具，每次對話前模型都得強行讀一遍所有工具的說明書。不管這次用不用得上，Token 已經實打實地花出去了。

GPT‑5.4 換了個聰明思路，引入了 工具搜索機制。簡單說，模型現在先看一眼工具清單，只有當它真的需要用某個工具時，纔會去把那個工具的詳細說明取過來 。

在 250 項任務的實測中，即使開啓 36 個服務器，這套機制在精度一點沒掉的前提下，把總 Token 消耗直接砍掉了 47% 。這省下來的可都是真金白銀。

網頁搜索這一塊兒也沒落下。GPT‑5.4 在 BrowseComp 基準上拿到了 82.7% 的分數，Pro 版更是衝到了 89.3%，創下了業界最高分 。用 Zapier CEO 的話來說，這模型的持續性極強，它會在其他模型放棄的地方繼續挖下去 。

百萬上下文：是神藥也是試驗品

GPT-5.4 這次把上下文拉到了 100 萬 Token 。理論上，你能把一整個項目的文檔全塞進去對話。

但大夥兒先別急着狂歡，飛碟AI得給你們潑盆冷水。測試顯示，最穩定的區間依然是 128K 到 272K 之間 。一旦超過這個量，準確率就會像過山車一樣下滑，512K 到 1M 區間的得分只有 36.6% 。

而且這玩意兒不僅容易記錯，還貴。超過 272K 的請求，按兩倍用量計費 。如果你不是真的要讓它讀一整本《大英百科全書》，建議還是省着點用。

懸在頭頂的“思考成本”

最後，咱得聊聊那個讓人又愛又恨的“過度思考”。

GPT-5.4 Pro 的推理能力確實恐怖，甚至能解出人類數學家需要幾周才能搞定的 FrontierMath 難題 。但也正因爲它太想表現了，有時候會鬧出笑話。

Hyperbolic 的創始人就吐槽說，他只是跟 GPT-5.4 Pro 說了句“Hi”，結果這模型就開始瘋狂推理，直接燒掉了 80 美元 。

所以大夥兒記住了，Pro 版的“重火力”是留給硬核任務的。日常問個天氣、打個招呼，標準版（輸入 2.5 美元/百萬 Token）真的夠用了 。

最後

過去兩年，我們一直在討論 AI 有多聰明，但這種聰明大多停留在“紙上談兵”。而 GPT-5.4 的出現，標誌着 AI 正在從一個“問答機器”變成一個“執行官”。它不再只是告訴你怎麼做，而是直接替你把事情辦了。這個閉環一旦完成，很多行業的玩法真的要重寫了。

那麼問題來了，面對這個能自己操作電腦、勝率壓過專業人士的 GPT-5.4，你最想讓它幫你分擔哪項“帶薪摸魚”的任務？