新智元報道

編輯：好困 桃子

【新智元導讀】OpenAI深夜突襲，GPT-5.4新王炸場！一夜之間，直接粉碎了Gemini 3.1 Pro和Claude Opus 4.6的神話。這也是頭一次，ChatGPT擁有真正「原生電腦使用」能力，辦公效率直接拉滿。而真正恐怖的地方在于，每一個維度上它都沒有短板。

被Gemini和Claude連續(xù)壓了一個月后，OpenAI終于動手了。

就在剛剛，下一代旗艦GPT-5.4正式發(fā)布！

• ChatGPT端：GPT-5.4 Thinking與GPT-5.4 Pro全面上線

• 開發(fā)者端：GPT-5.4接入API與Codex，并附帶極速版GPT-5.4 fast

之所以直接跳到5.4，是因為這是一次「推理+編程」的合流式跨越

成績單，直接炸裂。

• GDPval勝率83%，叫板頂尖人類專家；

• SWE-Bench Pro編程第一，F(xiàn)rontierMath數(shù)學第一；

• ARC-AGI-2抽象推理跑出83.3%新高，Gemini 3.1 Pro的77.1%、Opus 4.6的68.8%，全部踩在腳下。

OpenAI這次，是真的翻身了。

左右滑動查看

更炸的是，GPT-5.4還是首個擁有「原生電腦使用」能力的通用模型。

識別UI、操控鍵鼠、在軟件和網(wǎng)頁間穿梭自如，像人一樣操作電腦。

在OSWorld-Verified上，它直接拿下75%成功率，刷爆SOTA。

上一代GPT-5.2（47.3%），人類（72.4%），一個月前剛登頂?shù)腛pus 4.6（72.7%），通通都被超了。

沒錯，AI操作電腦，已經(jīng)比人類更熟練了。

能力融合上，GPT-5.4繼承了GPT-5.3-Codex的全部編程基因，并且新增了100萬token上下文和原生工具搜索，一個模型打通推理、編程、操控全鏈路。

GPT-5.4 Thinking在思考時，你還能隨時介入調(diào)整方向，不打斷思路，一次對話直接交付結(jié)果。

看來，OpenClaw之父加入后，立馬讓ChatGPT原生「電腦操控」能力變強了！

定價方面，GPT-5.4再創(chuàng)新高，輸入價格2.5美元/百萬token，輸出價格15美元/百萬token。

Pro版本就更夸張了，輸入30美元/百萬token，輸出180美元/百萬token。

首個全能「計算機使用」通用模型

先說最炸的部分。

GPT-5.4是OpenAI首個具備原生計算機使用能力的通用模型。

它能通過Playwright等庫，編寫代碼來控制計算機，也能直接「看」屏幕截圖動用鼠標和鍵盤。

發(fā)郵件、排日程、填表格、跑流程，這些以前需要你點來點去的活兒，現(xiàn)在GPT-5.4自己都能干。

在OSWorld-Verified中，GPT-5.4直接刷出了75.0%的成功率。

要知道，就在一個月前剛登頂?shù)腃laude Opus 4.6，成績也不過72.7%。GPT-5.4一出手就把它甩開了2.3%。

在WebArena-Verified上，同時使用DOM和截圖驅(qū)動交互時，GPT-5.4成功率達67.3%，領(lǐng)先GPT-5.2的65.4%。

在另一項Online-Mind2Web測試中，GPT-5.4僅靠截圖觀察就拿下了92.8%，而ChatGPT Atlas智能體模式只有70.9%，斷崖級領(lǐng)先。

不過，GPT-5.4一切強大的執(zhí)行能力，都是建立在更強的「通用視覺感知」能力之上。

在MMMU-Pro上，GPT-5.4（不使用工具）的成功率81.2%，大幅優(yōu)于GPT-5.2（79.5%）。

視覺感知的提升，也直接轉(zhuǎn)化為更強的文檔解析能力。

在OmniDocBench上，GPT-5.4（未開啟推理強度）的平均誤差為0.109，而GPT-5.2為0.140。

更重磅的是，GPT-5.4還首次引入「原始」（original）和「高」（high）圖像輸入細節(jié)級別。

前者支持最高1024萬總像素，或最大單邊6000像素（以較低者為準）的全保真度感知；后者支持最高256萬總像素或最大單邊2048像素。

在API早期測試中，GPT-5.4在定位能力、圖像理解和點擊準確性均有大幅提升。

精通辦公三件套，干翻華爾街分析師

如果說計算機使用是「硬功夫」，那知識工作就是GPT-5.4的「軟實力」。

在GDPval基準測試中，GPT-5.4以83.0%的成績，追平甚至超越了行業(yè)內(nèi)的專業(yè)人士。

上一代GPT-5.2僅有70.9%，一個版本的差距，直接拉開了12個百分點。

GDPval測試橫跨美國GDP貢獻最大的9個行業(yè)、44種職業(yè)，包括銷售演示文稿、會計電子表格、急診排班表、制造圖表、短視頻等，全部都是要求AI真刀真槍地交付工作產(chǎn)出。

GPT-5.4已經(jīng)能做PPT、做Excel、排班表了，而且做得比大多數(shù)專業(yè)人士還好。

在一項模擬初級投資銀行分析師的內(nèi)部電子表格建模測試中，GPT-5.4平均得分87.3%，GPT-5.2只有68.4%。

不僅如此，人類在68.0%的情況下，更偏好GPT-5.4生成的PPT，因其美感更強、視覺更豐富、圖像使用更高效。

幻覺率暴降33%

為了讓GPT-5.4真正勝任實際工作，OpenAI在減少幻覺和事實錯誤上持續(xù)發(fā)力。

這么說吧，GPT-5.4是OpenAI迄今為止，最講求事實的模型。

在一組去標識化的、包含用戶標記事實錯誤的提示詞集中，相對于GPT-5.2，GPT-5.4單獨聲明出錯的概率降低了33%，整個回復包含任何錯誤的概率降低了18%。

推理+代碼合體，一個模型全搞定

GPT-5.4的另一個大招，完整繼承了GPT-5.3-Codex的編程能力。

這意味著，不再需要在「聰明的模型」和「能寫代碼的模型」之間來回切換。一個模型，全部搞定。

在SWE-Bench Pro測試中，GPT-5.4拿下了57.7%準確率，媲美甚至超越了GPT-5.3-Codex（56.8%）。

但真正的殺手锏不是分數(shù)，而是效率。

GPT-5.4是OpenAI迄今Token效率最高的推理模型，解決相同問題所需的Token大幅減少，成本更低，速度更快。

而且在各種推理強度設置下，GPT-5.4的延遲都低于GPT-5.3-Codex。

在Codex的/fast模式下，其Token生成速度最高可提升1.5倍。同樣的智力，同樣的能力，只是快了50%。

通過API，開發(fā)者也可以使用「優(yōu)先處理」（Priority Processing）獲得同樣飛快的速度。

內(nèi)部測試中，OpenAI還發(fā)現(xiàn)，GPT-5.4在復雜的前端任務上表現(xiàn)卓越。

生成的界面不僅美觀，而且功能完備程度，遠超此前任何模型。

為此，他們甚至還搞了個花活，發(fā)布了實驗性的「Playwright Interactive」技能，讓Codex能一邊構(gòu)建Web應用、一邊在瀏覽器中可視化調(diào)試測試。

• 主題公園模擬游戲

僅憑一段提示詞，GPT-5.4就徒手搓出一個完整的經(jīng)營類游戲。

這一個全自動運行的微觀世界，瓦片路網(wǎng)、設施建造、景觀美化一應俱全。

而且，資金、客流、幸福感與評分系統(tǒng)環(huán)環(huán)相扣。

其中，Playwright充當了最嚴苛的質(zhì)檢員：從瘋狂擴建到設施拆除，從鏡頭導航到 UI 數(shù)據(jù)驗證，經(jīng)過數(shù)輪自動化高壓測試才最終交付。

傳送門：https://developers.openai.com/showcase/theme-park-builder

• 戰(zhàn)棋RPG

經(jīng)過多輪迭代，GPT-5.4打造出一款回合制網(wǎng)格戰(zhàn)斗游戲，包含移動、行動、站位和遭遇戰(zhàn)等完整系統(tǒng)。

圖像生成負責角色和美術(shù)風格，Playwright在每一輪迭代中驗證界面交互、檢查并微調(diào)UI行為和著色器效果，直到戰(zhàn)斗手感、視覺表現(xiàn)和整體體驗全部調(diào)優(yōu)到位。

傳送門：https://developers.openai.com/showcase/turn-based-rpg

• 金門大橋飛行體驗

同樣一段提示詞起步，GPT-5.4生成了一個可以自由飛行的超寫實3D場景——

逼真的光照、水面、霧氣、懸索、橋上行駛的車流、周圍的海岸線和城市背景，支持近距離結(jié)構(gòu)穿越和遠景風光俯瞰。

這里，Playwright化身「王牌飛行員」，開啟多角度全自動巡航測試。

它不僅驗證渲染視口的穩(wěn)定性，還通過截圖反饋協(xié)助 AI 持續(xù)校準構(gòu)圖與光影分布。 ，歷經(jīng)一小時的高頻迭代。

傳送門：https://developers.openai.com/showcase/golden-gate-flight-experience

祭出「工具搜索」，Token狂砍47%

在工具使用上，GPT-5.4的進化是多層次的。

• 工具搜索

GPT-5.4引入了「工具搜索」功能，徹底解決了MCP工具太多，上下文爆炸的問題。

只需要一個輕量級的可用工具列表，真正需要某個工具時，它會自動查找定義并即時加載。

在Scale的MCP Atlas基準測試（250個任務，開啟全部36個MCP服務器）中，工具搜索配置在保持相同準確率的同時，將總Token使用量減少了47%。

這對于工具定義動輒數(shù)萬Token的MCP服務器來說，效率提升堪稱恐怖。

• 智能體工具調(diào)用

在推理過程中，GPT-5.4決定「何時」以及「如何」使用工具時，更加精準。

在Toolathlon上，GPT-5.4以54.6%準確率，大幅領(lǐng)先GPT-5.3-Codex（51.9%）、GPT-5.2（45.7%），而且用的輪次更少。

智能體現(xiàn)在能順暢完成「全套流程」——

閱讀電子郵件→提取作業(yè)附件→上傳附件→對作業(yè)評分→將結(jié)果記錄到電子表格

Toolathlon：評估多步任務中現(xiàn)實世界工具和API使用能力

對于延遲敏感的場景（推理強度設為None），GPT-5.4在τ2-bench電信客服任務上也大幅領(lǐng)先。

而在開啟推理強度（xhigh）的情況下，GPT-5.4在τ2-bench上更是達到了98.9%，幾乎完美。

搜索暴漲17%，Pro版刷新紀錄

此外，GPT-5.4的智能體網(wǎng)絡搜索能力迎來了大幅升級。

上一次，在BrowseComp測試中，Claude Opus 4.6憑借84.0%的成績一騎絕塵，遠超GPT-5.2 Pro（77.9%）。

但GPT-5.4 Pro直接以89.3%實現(xiàn)了反超，標準版的82.7%也和Opus 4.6咬得很緊。

在實際使用中，這意味著GPT-5.4 Thinking更擅長回答需要從網(wǎng)絡多源頭整合信息的問題。

它能更持久地進行多輪搜索以篩選最相關(guān)的來源，尤其是「大海撈針」式的問題，并將信息綜合成條理清晰、推理嚴密的答案。

GPT-5.4 Thinking同時還改進了深度網(wǎng)絡研究能力。

特別是，針對極其具體的查詢，并且在處理需要長時間思考的問題時能更好地保持上下文。

中途可調(diào)，告別推倒重來

GPT-5.4 Thinking在思考時，還可以隨意介入，也不會打斷思路。

此功能現(xiàn)已在網(wǎng)頁和Android應用上線，iOS版即將推出

更關(guān)鍵的是，你可以在它運行中途直接調(diào)整方向、補充說明，而不需要等它全部做完再推翻重來。

一次對話就能拿到想要的結(jié)果，省掉了來回拉扯的多輪溝通成本。

同時，模型在處理困難任務時能進行更深入的思考，對對話的歷史步驟保持更強的記憶感知。

OpenAI重回王座，AI格局再變天

GPT-5.4的發(fā)布，是OpenAI對Gemini 3.1 Pro和Claude Opus 4.6的一次全面反擊。

GPT-5.4的恐怖之處在于，它沒有短板。

推理、編程、視覺、工具使用、計算機操作、網(wǎng)絡搜索、知識工作，每一條線都拉到了頂尖水平。

這不是某個維度的突破，這是全維度的碾壓。

OpenAI用GPT-5.4告訴所有人：在通往AGI的路上，它依然是最不能被忽視的那個玩家。

詳細跑分：全維度碾壓

最后，附上GPT-5.4最全面的成績單。

參考資料：

https://x.com/OpenAI/status/2029620619743219811?s=20

https://developers.openai.com/api/docs/models/gpt-5.4

https://openai.com/index/introducing-gpt-5-4/